评估二分类问题的指标——混淆矩阵

如大家所熟悉的混淆矩阵Confusion Matrix是用于评估二分类问题的指标它展示了模型的预测结果与真实标签之间的对应关系。混淆矩阵将预测结果分为四个不同的类别真阳性True Positive, TP、假阴性False Negative, FN、假阳性False Positive, FP和真阴性True Negative, TN。它的具体构成如下| |预测为正例 | 预测为负例||:---:|:---:|:---:||真实为正例 |True Positive (TP) | False Negative (FN) ||真实为负例 |False Positive (FP) | True Negative (TN) |在上面的例子中混淆矩阵即为| |预测为正例 | 预测为负例 ||:---:|:---:|:---:||真实为正例 | 8 | 2 ||真实为负例 |4 | 86 |基于这个混淆矩阵我们可以计算出一些二分类指标来评估模型的性能。常见的指标包括准确率Accuracy、精确率Precision、召回率Recall和F1分数F1 Score等。