文章目录 一、常用评估指标二、问题二、分析过程三、参考
一、常用评估指标 查全率: 真实正例被预测为正例的比例
真正例率: 真实正例被预测为正例的比例
显然查全率与真正例率是相等的。
查准率:预测为正例的实例中真实正例的比例
假正例率: 真实反例被预测为正例的比例
两者并没有直接的数值关系。
F1得分：是调和平均的精确度和灵敏度
二、问题
二、分析过程
获取混淆矩阵
算法1:
算法2：
计算
算法1
查准率:P =0.975查全率:R =0.9512F1-score:F 1 =0.963
算法2
查准率:P = 1查全率:R = 0.91F1-score:F 1 = 0.952
评估
从查准率评价指标来看，算法2都要优于算法1，从查全率和F1度量评价指标来看，算法1都要优于算法2。总的来说，算法2更好
三、参考
【机器学习】(周志华–西瓜书) 真正例率（TPR）、假正例率（FPR）与查准率（P）、查全率（R）
25903398
