请说明分类算法中常用的评估指标（准确率、召回率、ROC、AU

[问答题]

请说明分类算法中常用的评估指标（准确率、召回率、ROC、AUC）的定义，及计算方法。

pein531

题中的几个评估指标通常用于二分类模型的评估

准确率指的是：实际为正预测也为正的样本数/预测为正的样本数

召回率指的是：实际为正预测也为正的样本数/实际为正的样本数

对于二分类问题而言，存在一个分类阈值p，当模型输出概率大于p的时候，模型判定样本为正，否则判定样本为负。通过改变这个阈值，就能够得到一系列的分类结果，从而计算真正率（判定为正，实际也为正）和假负率（判定为负，实际为正），分别以这两个指标为纵坐标和横坐标，就可以得到ROC曲线。

而AUC指的是ROC曲线下的面积，它表示你的分类模型对正样本输出的概率大于负样本输出概率的概率，它的值越大，你的分类模型越好。

发表于 2020-10-31 12:00:25 回复(0)

提交观点

问题信息

算法工程师唯品会 2019

来自：唯品会2019秋招算法类

上传者：小小

难度：

1条回答 8收藏 2105浏览

扫一扫，把题目装进口袋