← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9408.h · 生成模型:Tencent Hunyuan Hy

精确率召回率与F1

理解等级:初级

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?

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

    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