机器学习-02-评估指标

机器学习评估指标 准确率（Accuracy） Accuracy=分对的样本/所有样本 错误率 错误率=分错的样本/所有样本 但是由于这两种评价方法将正类和负类看的同等重要不适合用来分析不平衡的数据集，而查准率即精确率、查全率（召回率）更加适合于不平衡的数据集。 1.混淆矩阵 真正类率（True Positive Rate） TPR = TP/(TP+FN)，即被预测为正类的正实例占实际正类的比例。

>>阅读原文<<