《表1 混淆矩阵：机器学习在高校课程教学评价中的应用研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《机器学习在高校课程教学评价中的应用研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

根据模型分类决策的正确性来评价分类模型的性能指标有很多。假设一个二分类任务中，类变量值可以假定为正例（P）和负例（N）。实际正例（P）正确地标记为正例的分类命名为真正例（TP），而实际正例被错误地标记为负例的分类器是假负例（FN）。以类似的方式，正确标记为负例的实际负例（N）被视为真负例（TN），而错误标记为正例的实际负例被视为假正例（FP）。这些术语在表1的混淆矩阵中给出。