[2025分类&时序异常检测指标R-AUC与VUS]

梳理了一下分类中常见的指标,这些指标与时序异常检测 中新提出的A-RUC与VUS之间的关系

  • 真正例(True Positive,TP): 被正确识别为正样本的数量。
  • 真负例(True Negative,TN): 被正确识别为负样本的数量。
  • 假正例(False Positive ,FP): 被错误识为正样本数量
  • 假负例(False Negative,FN): 被错误识别为负样本数量
  • 精确度 (Precision,Pr): 关注所有识别为正样本中的真实正样本占比,此外还有Precison@K,即取前K为都为正确结果的度量方式
    P r ( p r e c i s i o n ) = T P T P + F P Pr(precision)=\frac{TP}{TP+FP} Pr(precision)=TP+FPTP
  • 召回率 (Recall,Re): 又称TPR关注所有正确识别结果中的正样本占比
    R e ( R e c a l l ) = T P T P + F N Re(Recall)=\frac{TP}{TP+FN} Re(Recall)=TP+FNTP
  • F1(F1-score) : F1分数,一个综合了Recall和Precision的评价β,通常取1
    ( 1 + β 2 ) ∗ P r ∗ R e β 2 ∗ P r + R e \frac{(1+β^2)*Pr*Re}{β^2*Pr+Re} β2∗Pr+Re(1+β2)∗Pr∗Re

参考资料:https://github.com/TheDatumOrg/VUS

相关推荐
cx330上的猫14 小时前
价值1w的数据分析课知识点汇总-excel使用(第一篇)
数据挖掘·数据分析·excel
Francek Chen15 小时前
【深度学习计算机视觉】13:实战Kaggle比赛:图像分类 (CIFAR-10)
深度学习·计算机视觉·分类
盼小辉丶18 小时前
TensorFlow深度学习实战——节点分类
深度学习·分类·tensorflow·图神经网络
Hs_QY_FX18 小时前
Python 分类模型评估:从理论到实战(以信用卡欺诈检测为例)
人工智能·python·机器学习·数据挖掘·多分类评估
成为深度学习高手19 小时前
DGCN+informer分类预测模型
人工智能·分类·数据挖掘
Sunhen_Qiletian19 小时前
卷积神经网络搭建实战(二)——基于PyTorch框架和本地自定义图像数据集的食物分类案例(附输入图片预测功能)
pytorch·分类·cnn
max50060021 小时前
多GPU数据并行训练中GPU利用率不均衡问题深度分析与解决方案
人工智能·机器学习·分类·数据挖掘
F_D_Z1 天前
探索性数据分析|概念辨析
数据挖掘·数据分析
搞科研的小刘选手2 天前
2025计算机视觉和影像计算国际学术会议(CVIC 2025)
人工智能·机器学习·计算机视觉·数据挖掘·数字孪生·影像计算·电磁与光学成像
来酱何人2 天前
机器翻译数据处理核心技术:从语料到模型的质量管控链路
人工智能·分类·nlp·bert·机器翻译