首页 > 试题广场 >

用算法拦截可疑笔记,描述拦截的笔记中有多少是真的可疑笔记是

[单选题]
用算法拦截可疑笔记,描述拦截的笔记中有多少是真的可疑笔记是
  • AUC
  • ROC
  • Recall
  • Precision
挑出来的西瓜中有多少比例是好瓜,查准率。全部好瓜有多少比例被挑出来,查全率。
发表于 2019-05-15 23:27:30 回复(3)
召回率(recall):预测为正例且实际为正例的样本占所有正样本的比例。
精准率(precision):预测为正例且实际为正例的样本占所有预测为正例的样本的比例。
发表于 2019-08-23 14:19:46 回复(0)
查准率=TP/(TP+FP)例,在所有我们预测有恶性肿瘤的病人中,实际上有恶性肿瘤的病人的百分比,越高越好。 
查全率=TP/(TP+FN)例,在所有实际上有恶性肿瘤的病人中,成功预测有恶性肿瘤的病人的百分比,越高越好。 
发表于 2019-09-19 19:58:32 回复(0)
二分类问题中,TP真正例,FP假正例,TN真反例,FN假反例
查准率P = TP / (TP+FP)
例子:挑出来的西瓜中有多少比例是好瓜 ( 是正例同时预测结果为真的数量 / 预测结果判定为正例总数 )

查全率R = TP / (TP+FN)  
例子:全部好瓜有多少比例被挑出来 ( 是正例同时预测结果为真的数量 / 正例总数 )

发表于 2021-12-01 11:19:27 回复(0)
AUC:(Area Under Curve)被定义为ROC曲线下的面积。我们往往使用AUC值作为模型的评价标准是因为很多时候ROC曲线并不能清晰的说明哪个分类器的效果更好,而作为一个数值,对应AUC更大的分类器效果更好。

ROC曲线全称为受试者工作特征曲线 (receiver operating characteristic curve),它是根据一系列不同的二分类方式(分界值或决定阈),以真阳性率(敏感性)为纵坐标,假阳性率(1-特异性)为横坐标绘制的曲线
AUC就是衡量学习器优劣的一种性能指标。从定义可知,AUC可通过对ROC曲线下各部分的面积求和而得。 
召回率(recall):预测为正例且实际为正例的样本占所有正样本的比例。
精准率(precision):预测为正例且实际为正例的样本占所有预测为正例的样本的比例。


发表于 2020-05-31 23:54:40 回复(0)