《表3 二分类问题预测结果的混淆矩阵》

  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

《基于伪F统计量的属性特征降维方法研究》

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

为了比较不同特征集合下机器学习分类算法的性能，需要给出评价模型的度量指标，以最为常见的二分类问题为例给出相应的评价指标．根据真实类以及分类模型给出的预测类组合，划分为真正例（True Positive）、假正例（False Positive）、真反例（True Negative）、假反例（False Negative）四种情况，令TP、FP、TN、FN分别表示对应的样本数，令TP+FP+TN+FN=n，其中n为样本容量，分类结果的混淆矩阵（Confusion Matrix）如表3.