常用指标

阅读原文

关于指标问题汇总！

一. 机器学习分类指标汇总(含代码实现roc与auc)

常用指标

首先需要建立一个表，对于一个分类任务，我们预测情况大致如下面混淆矩阵所示：

	预测为正样本	预测为负样本
标签为正样本	TP	FN
标签为负样本	FP	TN

1. accuracy

$\text { accuracy }=\frac{T P+T N}{T P+T N+F P+F N}$accuracy指的是正确预测的样本数占总预测样本数的比值，它不考虑预测的样本是正例还是负例,考虑的是全部样本。

2. precision（查准率）

\text { specificity }=\frac{T N}{T N+F P}

\text { sensitivity }=\frac{T P}{T P+F N}=\text { recall }

A U C=\frac{\sum_{i \in \text { positiveClass }} \operatorname{rank}_{i}-\frac{M(1+M)}{2}}{M \times N}

F W I o U=\frac{1}{\sum_{i=0}^{k} \sum_{j=0}^{k} p_{i j}} \sum_{i=0}^{k} \frac{p_{i i}}{\sum_{j=0}^{k} p_{i j}+\sum_{j=0}^{k} p_{j i}-p_{i i}}