机器学习预测的混淆矩阵
机器学习混淆矩阵
在机器学习算法中，为了评价一个算法的优劣，需要从多方面进行比较。以分类问题为例，可以基于预测结果和实际结果间的差异，构建一个混淆矩阵：
True positive (TP)：真实值为Positive，预测正确（预测值为Positive）
True negative (TN)：真实值为Negative，预测正确（预测值为Negative）
False positive (FP)：真实值为Negative，预测错误（预测值为Positive），第一类错误， Type I error。
False negative (FN)：真实值为Positive，预测错误（预测值为 Negative），第二类错误， Type II error。
- 发表于 2018-12-09 21:12
- 阅读 ( 3761 )
- 分类：基础知识
