机器学习(十) 评价分类结果 (上)

一、准确度的陷阱和混淆矩阵

分类算法的评价

分类准确度的问题：

一个安正预测系统，输入体检信息，就可以判断是否有癌症，

预测准确度：99.9%

如果癌症产生的概率只有0.01%

我们系统预测所有人都是健康的，可达到99.99%的准确度。

对于极度偏斜 (Skewed Data）的数据  只使用分类准确度 是远远不够的，需要使用 混淆矩阵 做进一步的分析

二、精准率和召回率

精准率：预测20个患病   只有8个正确  精准率40%

召回率： 实际存在10个 患病  预测了8个   召回率80%

三、实现混淆矩阵，精准率和召回率

四、F1 Score

精准率重要些，股票预测，召回率重要些，病人预测

 我写的文章只是我自己对bobo老师讲课内容的理解和整理，也只是我自己的弊见。bobo老师的课 是慕课网出品的。欢迎大家一起学习。

机器学习(十) 评价分类结果 (上)

原文：https://www.cnblogs.com/zhangtaotqy/p/9570761.html