《表4 二分类问题的混淆矩阵》
注:TP表示被正确识别的正类数量,FN表示被错误识别成负类的正类数量,FP表示被错误识别成正类的负类数量,TN表示被正确识别的负类数量
分类模型的性能常用正确率来衡量,但是对于类别不平衡的数据,用正确率度量会使多数类样本占优势。所以在处理不平衡数据时,仅仅使用正确率或者错误率度量将会导致性能评价产生偏差。为了更准确全面地评价非平衡学习性能,本文引入AUC标准来进行评价。二分类问题的混淆矩阵见表4。
图表编号 | XD00122845700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.16 |
作者 | 韩旭、贾宁、朱宁 |
绘制单位 | 天津大学管理与经济学部、天津大学管理与经济学部、天津大学管理与经济学部 |
更多格式 | 高清、无水印(增值服务) |