周志华 机器学习 Day3

模型评估与选择 性能度量 查准率、查全率与F1 例如，在信息检索中，我们常常关心的是“检索出的信息中有多少比例是用户感兴趣的”，“查准率”与“查全率”更为适合。 对于二分类的问题，可将样例根据真实类别与学习器预测类别的组合划分为真正例（TP）、假正例（FP）、真反例（TN）、假反例（FN），则TP+FP+TN+FN=样例总数，分类结果的混淆矩阵如下图。 查准率P与查全率R分别定义为： 一般来说，查

>>阅读原文<<