数据挖掘之分类指标：召回率、精确度、准确率、虚警率和漏警率

75 阅读 0 评论 50 点赞

我是靠谱客的博主害羞口红，最近开发中收集的这篇文章主要介绍数据挖掘之分类指标：召回率、精确度、准确率、虚警率和漏警率，觉得挺不错的，现在分享给大家，希望可以做个参考。

转载：http://snv.iteye.com/blog/2113945

场景如下：

假设原样本有两类，True和False，其中：

1.总共有T个类别为True的样本；

2.总共有F个类别为False的样本；

分类预测后：

1.总共有TT个类别为True的样本被系统判为True，FT个类别为True的样本被系统判为False，则TT+FT=T

2.总共有FF个类别为False的样本被系统判为False，TF个类别为False的样本被系统判为True，则FF+TF=F

指标计算：

精确度=TT/(TT+TF)--判断正样本中真正正样本的比例

准确率=(TT+FF)/(T+F)--判断正确的比重

召回率=TT/(TT+FT)--正确判断正例的比重

漏报率=FT/(TT+FT)--多少个正例被漏判了

虚警率=TF/(TT+TF)--反映被判为正例样本中，有多少个是负例

英文标示：

召回率 Recall；

精确度Precision；

准确率Accuracy；

漏警概率（Missing Alarm）；

虚警概率（False Alarm）；

转载于:https://www.cnblogs.com/scu-cjx/p/6879081.html

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。

数据挖掘之分类指标：召回率 、精确度、准确率、虚警率和漏警率