2024年4月4日发(作者：windows10如何重装系统)
以下是各个指标的公式：
1. 准确率（Accuracy）：
* 准确率是分类模型正确预测的样本数占总样本数的比例。
* 公式：Accuracy = (TP + TN) / (P + N)
* 其中，TP是真正例（True Positive），TN是真正负例（True
Negative），P是正例（Positive），N是负例（Negative）。
2. 召回率（Recall，也被称为查全率）：
* 召回率是分类模型正确预测为正例的样本数占所有实际正例
样本数的比例。
* 公式：Recall = TP / (TP + FN)
* 其中，TP是真正例，FN是假负例（False Negative）。
3. F1分数：
* F1分数是准确率和召回率的调和平均数，用于综合评估分类
模型的性能。
* 公式：F1 Score = 2 / (1/Accuracy + 1/Recall)
4. AUC-ROC（Area Under the Curve - Receiver Operating
Characteristic）：
* AUC-ROC是ROC曲线下的面积，用于衡量分类模型的性能。
* 公式：AUC-ROC = 面积 / (P * N)
* 其中，P是正例的比例，N是负例的比例。
5. AUPR（Area Under the Precision-Recall Curve）：
* AUPR是PR曲线下的面积，用于衡量分类模型在召回率较高
时的性能。
* 公式：AUPR = 面积 / (TP + FN)
* 其中，TP是真正例，FN是假负例。
发布者：admin，转转请注明出处：http://www.yc00.com/xitong/1712198008a2021458.html
评论列表（0条）