机器学习的准确率和召回率,灵敏度和特异度
FP - False, Positive，即实际为负判断为负。FN - False, Negative，即实际为负判断为正。TP - True, Positive，即实际为正判断为正。TN - True, Negative，即实际为正判断为负。精准率：在所有被预测为正的样本中实际为正样本的概率，召回率：在所有实际为正的样本中预测为正样本的概率，特异度：在所有判断为负的样本中实际为正样本的概率。召回
·
T - True
F - False
P - Positive
N - Negative
TP - True, Positive，即实际为正判断为正
TN - True, Negative，即实际为正判断为负
FP - False, Positive，即实际为负判断为负
FN - False, Negative，即实际为负判断为正
精准率：在所有被预测为正的样本中实际为正样本的概率，
精准率 = TP/(TP+FP）
召回率：在所有实际为正的样本中预测为正样本的概率，
召回率 = TP/ (TP+FN)
特异度：在所有判断为负的样本中实际为正样本的概率
特异度 = TN/(FP+TN)
更多推荐
0
0- 0
已为社区贡献1条内容
所有评论(0)