知识卡片
混淆矩阵记录四类结果
二分类混淆矩阵按实际类别和预测类别交叉计数。TP 是正确报警,FP 是误报,FN 是漏报,TN 是正确排除。准确率等于正确结果数除以全部样本数。正例极少时,始终预测负类也可能获得很高准确率。
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
- 机器学习概述 1.6.1 · 查看原书依据
正确地预测为正类别,同样真负例TN是指模型将负类别样本正确地预测为负类别;假正例FP是指模型将负类别样本错误地预测为正类别,而假负例FN是指模型将正类别样本错误地预测为负类别。这四个术语的混淆矩阵,如图1-17所示。
参考来源
- 位置:《AI制胜:机器学习极简入门》第1章 机器学习概述 §1.6.1(来源项目 book-source:extracted/AI制胜:机器学习极简入门/_epub-src/OEBPS/Text/chapter1.xhtml#isbn9787302555513_1_1_2_14)
- 结论依据:本节列举四种计数及正确率、错误率的定义。
- 原始内容:正确地预测为正类别,同样真负例TN是指模型将负类别样本正确地预测为负类别;假正例FP是指模型将负类别样本错误地预测为正类别,而假负例FN是指模型将正类别样本错误地预测为负类别。这四个术语的混淆矩阵,如图1-17所示。