阅读背景：

机器学习性能指标（ROC、AUC、）

来源：互联网 
混淆矩阵 TP(真正样本数): 预测是正样本(positive)，预测正确(ture)的个数，即实际是正样本预测成正样本的样本数 FN(假负样本数) TN(真负样本数) FP(假正样本数) ROC 横轴：FPR(负正样本率)=FP/(FP+TN) 即，预测错的原本负样本占总体负样本的比例 纵轴：TPR(真正样本率)=TP/(TP+FN) 即，预测对的原本正样本占总体正样本的比例 混淆矩阵 TP(真正样本数): 预测是正样本(positive)，预测正确(ture)的个数，即实际

你的当前访问异常,请进行认证后继续阅读剩余内容。

分享到：
你可能喜欢:
相关阅读:
随便看看: