摘要:
1.混淆矩阵(confusion matrix) 针对预测值和真实值之间的关系,我们可以将样本分为四个部分,分别是: 真正例(True Positive,TP):预测值和真实值都为1 假正例(False Positive,FP):预测值为1,真实值为0 真负例(True Negative,TN):预测值与真实值都为0 假负例(False Negat... 阅读全文
摘要:
假正例(False Positive):预测为1,实际为0的样本 假负例(False Negative):预测为0,实际为1的样本 实际预测中,那些真正例(True Positive)和真负例(True Negative)都不会造成损失(cost)。 那么,我们假设一个假正例的损失是LFP,一个假负例的损失是LFN。 我们可以得到一个损失矩阵: ... 阅读全文