zoukankan      html  css  js  c++  java
  • ROC 曲线简要解释

    阳性 (P, positive)
    阴性 (N, Negative)
    真阳性 (TP, true positive):正确的肯定。又称:命中 (hit)
    真阴性 (TN, true negative):正确的否定。又称:正确拒绝 (correct rejection)
    伪阳性 (FP, false positive):错误的肯定,又称:假警报 (false alarm),第一型错误
    伪阴性 (FN, false negative):错误的否定,又称:未命中 (miss),第二型错误
    真阳性率 (TPR, true positive rate)又称:命中率 (hit rate/recall):TPR = TP / P = TP / (TP+FN)
    伪阳性率(FPR, false positive rate)又称:错误命中率,假警报率 (false alarm rate):FPR = FP / N = FP / (FP + TN)
    准确度 (ACC, accuracy):ACC = (TP + TN) / (P + N)即:(真阳性+真阴性) / 总样本数
    真阴性率 (TNR)又称:特异度 (SPC, specificity):SPC = TN / N = TN / (FP + TN) = 1 - FPR
    阳性预测值 (PPV),又称precision:PPV = TP / (TP + FP)
    阴性预测值 (NPV):NPV = TN / (TN + FN)
    假发现率 (FDR):FDR = FP / (FP + TP)
    Matthews相关系数 (MCC),即 Phi相关系数:MCC = (TP*TN - FP*FN) / sqrt{P N P' N'}
    F1评分:F1 = 2TP/(P+P')

    其中关键值已用粗体标明

  • 相关阅读:
    Xamarin.Forms之界面设计原则
    Xamarin.Forms之异步
    Xamarin Studio常见问题
    Xamarin.Forms之Button
    Xamarin.Forms之MessagingCenter
    Xamarin.Forms之Frame布局
    Xamarin.Forms之OnPlatform的使用
    2018/11/7 20:47:57
    2018/11/6
    2018/11/5 每日分析-test
  • 原文地址:https://www.cnblogs.com/york-hust/p/4258957.html
Copyright © 2011-2022 走看看