《表3 混淆矩阵:网络广告点击率预估的特征学习及技术研究进展》
注True positive(真正,TP)——将正类预估为正类数;True negative(真负,TN)——将负类预估为负类数;False positive(假正,FP)——将负类预估为正类数→误报(Type I error);False negative(假负,FN)——将正类预估为负类数→漏报(Type II error)。
文献中使用的评价指标主要有:平均绝对误差MAE(means absolute error)、F-measure、AUC值、Log-loss、PR曲线、ROC曲线、RIG(relative information gain)、准确率和召回率。表2为各指标的使用情况,表3为混淆矩阵表。
图表编号 | XD0089711000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 刘华玲、恽文婧、林蓓、丁宇杰 |
绘制单位 | 上海对外经贸大学统计与信息学院、上海对外经贸大学统计与信息学院、上海对外经贸大学统计与信息学院、上海财经大学信息管理与工程学院 |
更多格式 | 高清、无水印(增值服务) |