分类算法与金融风控预测类常见评估指标
分类算法常见的评估指标： 1、混淆矩阵（Confuse Matrix ） (1)若一个实例是正类，并且被预测为正类，即为真正类TP(True Positive) (2)若一个实例是正类，并且被预测为负类，即为假负类FN（False Negative） (3)若一个实例是负类，并且被预测为正类，即为假正类FP（False Positive） (4)若一个实例是负类，并且被预测为负类，即为真负类TN（
相关文章
- 1. 「机器学习」分类算法常见的评估指标
- 2. 分类算法的评估指标
- 3. 分类算法评估指标
- 4. 分类（Classification）算法评估指标
- 5. 多分类评估指标
- 6. 分类与预测算法的评价
- 7. 分类与预测算法评价
- 8. 二分类评测指标
- 9. 分类与预测算法评价标准
- 10. 【评估指标】分类评估指标之混淆矩阵与ROC/AUC曲线
- 更多相关文章...
- • Kotlin 数据类与密封类 - Kotlin 教程
- • PHP 标量类型与返回值类型声明 - PHP 7 新特性
- • 算法总结-双指针
- • Kotlin学习（二）基本类型
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 「机器学习」分类算法常见的评估指标
- 2. 分类算法的评估指标
- 3. 分类算法评估指标
- 4. 分类（Classification）算法评估指标
- 5. 多分类评估指标
- 6. 分类与预测算法的评价
- 7. 分类与预测算法评价
- 8. 二分类评测指标
- 9. 分类与预测算法评价标准
- 10. 【评估指标】分类评估指标之混淆矩阵与ROC/AUC曲线