分类问题的评价指标

一、logistic regression

logistic regression也叫做对数几率回归。虽然名字是回归,但是不同于linear regression,logistic regression是一种分类学习方法。

同时在深度神经网络中,有一种线性层的输出也叫做logistic,他是被输入到激活函数中的输入如下图所示。

Softmax和sigmoid的输出不同,sigmoid输出的是每一个种类成为

二、分类算法的评价指标 <分类算法评价指标详解 - 知乎>

首先,机器学习分类任务的常用评价指标:混淆矩阵(Confuse Matrix)、准确率(Accuracy)、精确率(Precision)、召回率(Recall)、F1 Score、P-R曲线(Precision-Recall Curve)、ROC、AUC。

混淆矩阵:每行显示样本预测到的值,列显示标签的值。针对一个二分类问题,可以将其分为四种

TP:True Positive 表示真的正类

TN:True Negative 真的负类

FP:False Positive 假的正类

FN:False Negative 假的负类 这些都可以从混淆矩阵中得出。

1.准确率 Accuracy

Acc=(TP+TN)/(TP+TN+FP+FN)

预测结果中的所有预测争取的类别比左右的预测结果。即混淆矩阵对角元素和所有元素的比值。

准确率有一个缺点,就是数据的样本不均衡,这个指标是不能评价模型的性能优劣的。

假如一个测试集有正样本99个,负样本1个。模型把所有的样本都预测为正样本,那么模型的Accuracy为99%,看评价指标,模型的效果很好,但实际上模型没有任何预测能力。

2.精确度precision

在模型预测为正样本的结果中,真正是正样本所占的百分比,具体公式如下:

Pre = TP / (TP+TF)

在预测为正样本的结果中,真的正样品的占比。

3.召回率recall

在实际正样本中,预测为真的正样本占所有正样本的比值

Recall= TP / (TP+TN)

4.F1 sore

Recall和precision之间会有一个此消彼长的关系,如果要兼顾二者,就需要F1 Score,F1 Score是一种调和平均数。

F1 Score = (2*Pre*Recall)/ (Pre+Recall)

同时还有一种,P-R曲线(precision -Recall)描述精确率和召回率变化。

模型与坐标轴围成的面积越大,则模型的性能越好。但一般来说,曲线下的面积是很难进行估算的,所以衍生出了"平衡点"(Break-Event Point,简称BEP),即当P=R时的取值,平衡点的取值越高,性能更优。

线性回归模型和logistic回归模型

相关推荐
再不会python就不礼貌了11 分钟前
Ollama 0.4 发布!支持 Llama 3.2 Vision,实现多模态 RAG
人工智能·学习·机器学习·ai·开源·产品经理·llama
DK2215130 分钟前
机器学习系列-----主成分分析(PCA)
人工智能·算法·机器学习
正义的彬彬侠1 小时前
XGBoost算法Python代码实现
python·决策树·机器学习·numpy·集成学习·boosting·xgboost
点云侠1 小时前
二维椭圆拟合算法及推导过程
开发语言·c++·算法·计算机视觉·matlab
顾京2 小时前
基于扩散模型的表单插补
人工智能·深度学习·算法
狂奔solar2 小时前
yelp数据集上试验SVD,SVDPP,PMF,NMF 推荐算法
人工智能·机器学习·推荐算法
武子康2 小时前
大数据-216 数据挖掘 机器学习理论 - KMeans 基于轮廓系数来选择 n_clusters
大数据·人工智能·机器学习·数据挖掘·回归·scikit-learn·kmeans
liupenglove2 小时前
ElasticSearch向量检索技术方案介绍
大数据·人工智能·深度学习·elasticsearch·搜索引擎·自动驾驶
B站计算机毕业设计超人3 小时前
计算机毕业设计Python+大模型动漫推荐系统 动漫视频推荐系统 机器学习 协同过滤推荐算法 bilibili动漫爬虫 数据可视化 数据分析 大数据毕业设计
大数据·爬虫·python·机器学习·课程设计·数据可视化·推荐算法
青石横刀策马3 小时前
从0开始深度学习(27)——卷积神经网络(LeNet)
人工智能·深度学习·cnn