笔记1：机器学习中的评估指标

作者: _叶辉 | 来源:发表于2018-12-08 00:45 被阅读0次

机器学习笔记（2）：模型的评估指标
笔记1：机器学习中的评估指标
机器学习：常用模型评估指标
机器学习概述与算法介绍(二)
机器学习中的评估指标
070 模型基础
机器学习——评估指标
机器学习中的模型评估指标
3.machine_learning_eval_metric
大师兄的Python机器学习笔记:数据重抽样

0.混淆矩阵

实际中的混淆矩阵也有可能Negative在前，Positive在后，具体如何定完全由人来决定

1.准确率(Accuracy)

$accuracy=\frac{所有预测结果符合实际的个数}{所有值个数}$

= $\frac{TP+TN}{TP+FN+FP+TN}$ = $\frac{a+n}{a+b+m+n}$

2.精度(Precision)(对某一预测指标而言)

$precision=\frac{预测结果与实际相符的个数}{预测结果的总个数}$

= $\frac{TP}{TP+FP}$ = $\frac{a}{a+m}$ $\iff$ $\frac{n}{b+n}$ = $\frac{TN}{TN+FN}$

3.召回率(查全率)(Recall)(对某一结果而言)

$recall=\frac{预测结果与实际相符的总个数}{实际结果的总个数}$

= $\frac{TP}{TP+FN}$ = $\frac{a}{a+b}$ $\iff$ $\frac{n}{m+n}$ = $\frac{TN}{FP+TN}$

4.F1-score

精度与召回率的调和平均数

$f1\_score=2*\frac{precision*recall}{precision+recall}$

5.Fβ-score(β的取值大小取决于评估指标偏向精度抑或是召回率)

$fβ\_score=(1+β^2 ) \frac{precision*recall}{β^2*precision+recall}$

当β=0时，f_β_score = precision

当β=∞时，f_β_score = recall

当β=1时，f_β_score = f1_score

6.R2-score(决定系数，拟合优度)

$r2\_score=1-\frac{预测数据与真实数据的方差}{实际数据与均值的方差}$ $=1-\frac{\sum\nolimits(y\_true-y\_pred)^2}{\sum\nolimits(y\_true-\bar {y})^2}$

一般地，r2_score $\in$ (0,1)，

若预测不准确，则 $\sum(y\_true-y\_pred)^2$ 就越大，r2_score趋于0；

若预测结果与实际越接近，则 $\sum(y\_true-y\_pred)^2$ 就越小，r2_score趋于1.

7.ROC曲线

机器学习笔记（2）：模型的评估指标
本文来自之前在Udacity上自学机器学习的系列笔记。这是第2篇，介绍了模型的评估指标。 1.评估指标不同的模型...
笔记1：机器学习中的评估指标
0.混淆矩阵实际中的混淆矩阵也有可能Negative在前，Positive在后，具体如何定完全由人来决定 1.准...
机器学习：常用模型评估指标
在机器学习建模过程中，针对不同的问题，需采用不同的模型评估指标。一、分类模型评估指标： 1、混淆矩阵（Confu...
机器学习概述与算法介绍(二)
机器学习概述机器学习基本概念机器学习基本流程与工作环节机器学习中的评估指标机器学习算法一览 3. 机器学习...
机器学习中的评估指标
机器学习中需要使用模型，优化，评价，其中评价指标也是用来优化的一环，这里总结一下常用的评估指标，主要分为分类和回归...
070 模型基础
背景机器学习中很多基础知识，笔记加深印象后续持续更新…… 评估指标 AUC 正例预估大于负例的概率，横坐标真正率...
机器学习——评估指标
混淆矩阵（confusion matrix）如下表所示，所有的评测指标都可以根据混淆矩阵进行运算得到。真实情况...
机器学习中的模型评估指标
1. 错误率或精度对于分类问题，如二分类问题，对一个可信的测试集，模型预测错的比例就叫错误率，预测对的比例就...
3.machine_learning_eval_metric
机器学习评估与度量指标 -from周志华《机器学习》 1.1机器学习基本概念这里的内容主要包括：性能度量、比较检...
大师兄的Python机器学习笔记:数据重抽样
大师兄的Python机器学习笔记:数据预处理大师兄的Python机器学习笔记:实现评估模型一、重抽样方法 1. ...