知识卡片
精确率召回率与F1
误差 ERR=预测错误数/总数,准确率 ACC=预测正确数/总数。类别不均衡时真正率 TPR 与假正率 FPR 更有用:肿瘤诊断更关注正确检出恶性(TPR),把良性误判为恶性(FPR)影响相对小。精确率 PRE 与召回率 REC 与真正率/真负率相关,召回率等同真正率;实践中常用二者组合 F1 分数。scikit-learn 将正类标为 1,若要用别的正类需用 make_scorer 自定义评分。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 模型评估与参数调优实战 · 查看原书依据
在实践中,常采用准确率与召回率的组合,称为F1分数
参考来源
- 位置:《Python机器学习》第6章《6.5.2 优化分类模型的准确率和召回率》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/part0094.xhtml.xhtml)
- 结论依据:原文直接支撑上述要点。
- 原始内容:在实践中,常采用准确率与召回率的组合,称为F1分数