混淆矩阵与P-R曲线、ROC曲线

 

1、混淆矩阵

                                Predicted
    Positive Negative
Actual Positive TP 真正
(True Positive)
FN 假负
(False Negative)
Negative FP 假正
(False Positive)
TN 正负
(True Negative)

 

2、评价指标计算公式

准确率Precision =  混淆矩阵与P-R曲线、ROC曲线

召回率 Recall  = TPR = 混淆矩阵与P-R曲线、ROC曲线

假正率 FPR = 混淆矩阵与P-R曲线、ROC曲线  

F1值 =  混淆矩阵与P-R曲线、ROC曲线

 

3、调整阈值,获取混淆矩阵

混淆矩阵与P-R曲线、ROC曲线

混淆矩阵与P-R曲线、ROC曲线

 

4、不同阈值下,计算各评价指标

混淆矩阵与P-R曲线、ROC曲线

 

5、根据上述不同阈值下的评价指标值,绘制P-R曲线,ROC曲线

        P-R 曲线如下:纵轴准确率Precision,横轴召回率Recall

        准确率越高越好,召回率越高越好,曲线越靠近右上角,模型越好。

混淆矩阵与P-R曲线、ROC曲线

          ROC曲线如下:纵轴召回率TPR,横轴假正率FPR

          召回率越高越好,假正率越低越好,曲线越靠近左上角越好。

混淆矩阵与P-R曲线、ROC曲线