二、分类——分类预测的评价指标（附python代码）
目录 一、常用的分类算法的评价指标 1.混淆矩阵 2.评价指标 如何画ROC曲线？ 一、常用的分类算法的评价指标 （1）Precision （2）Recall （3）F-score （4）Accuracy （5）ROC （6）AUC 1.混淆矩阵 混淆矩阵是监督学习中的一种可视化工具，主要用于比较分类结果和实例的真实信息。矩阵中的每一行代表实例的预测类别，每一列代表实例的真实类别。 图1 混淆矩阵
相关文章
- 1. 二类分类问题评价指标
- 2. 二分类评测指标
- 3. 分类的评价指标
- 4. 分类评价指标
- 5. 二分类问题评价指标
- 6. 二分类模型评价指标
- 7. 多标签分类的评价指标
- 8. 分类与预测算法的评价
- 9. 二分类评判指标
- 10. 数值预测和分类预测模型中的评价指标
- 更多相关文章...
- • IP地址的格式和分类 - TCP/IP教程
- • Markdown 代码 - Markdown 教程
- • Kotlin学习（二）基本类型
- • 算法总结-二分查找法
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. 二类分类问题评价指标
- 2. 二分类评测指标
- 3. 分类的评价指标
- 4. 分类评价指标
- 5. 二分类问题评价指标
- 6. 二分类模型评价指标
- 7. 多标签分类的评价指标
- 8. 分类与预测算法的评价
- 9. 二分类评判指标
- 10. 数值预测和分类预测模型中的评价指标