qq_38230663的博客

机器学习问题中，通常需要建立模型来解决具体问题，但对于模型的好坏，也就是模型的泛化能力，如何进行评估呢？这就需要定义一些评价指标，来度量模型的优劣。比如准确率(accuracy)、精确率(precision)、召回率(recall)、F1值(F1 score)、ROC、AUC等指标。而这些评价指标直接或间接都与混淆矩阵有关，前四者可以从混淆矩阵中直接计算得到，AUC值则要通过ROC曲线进行计算，而ROC曲线的横纵坐标又和混淆矩阵联系密切。1. 混淆矩阵TP、FP、FN、TN可以理解为：T