《表2 混淆矩阵：不平衡数据挖掘方法综述》

  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

《不平衡数据挖掘方法综述》

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

在传统的模型评估中，人们往往使用准确率和错误率来评估模型。但是在不平衡的数据中，少数类和多数类所占样本空间比例是不同的，一般地，少数类在样本空间中只有很少的一部分。例如，乳房X线照片的像素中可能会有癌细胞像素。而典型的乳房X线照片数据集中可能包含98%的正常像素和2%的异常像素，如果采用准确率来进行模型的评估，那么当模型将所有的像素预测为正常像素，那么正确率是98%，显然正确率作为评估标准是不合适的。因此，为了解决传统评价指标存在的缺陷，很多学者通常在研究不平衡数据挖掘时使用以下指标。在介绍这些评价指标前，本文先介绍一个概念——混淆矩阵[76]。对于二分类问题，其混淆矩阵如表2所示，TP、TN、FP和FN分别表示将正样本正确分类的数量，负样本正确分类的数量，负样本预测成正样本的数量以及正样本分类成负样本的数量；PC表示样本空间中真实类别为正样本的数量；NC表示样本空间中真实类别为负样本的数量。接下来，将对常用的指标进行介绍。