《表2 混淆矩阵：一种聚类欠采样策略的随机森林优化方法》

  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

《一种聚类欠采样策略的随机森林优化方法》

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

针对不平衡数据的分类任务来讲，不能单纯地从分类精度去衡量一个模型的好坏。如一个100条数据的样本集，其中正类样本为90，负类样本仅为10，不平衡率达到9.0，如果某分类模型将这100个样本全部划分成为正类，则此时的分类精度高达90%，显然这种评价方式极不合理。因此本文选用分类任务中的其他评价指标对算法的有效性进行验证，分别为精确率（Precision）、召回率（Recall）、F值和AUC值，为了更直观地给出这些评价指标的计算公式，需要用到的混淆矩阵如表2所示。