2. 分类问题的评估

内容：

混淆矩阵、精确率、召回率、F1-score、AUC指标、ROC曲线

（逻辑回归做分类的评估方式不能只使用准确率，还要通过其他的手段，如：混淆矩阵、精确率、召回率、F1-score、AUC指标、ROC曲线等；）

1. 混淆矩阵

1.1 什么是混淆矩阵？举例：

已知：样本集10样本，有6个恶性 肿瘤样本，4个良性 肿瘤样本，我们假设恶性肿瘤为正；

---

2.精确率(Precision)

1️⃣ 查准率，对正例样本的预测准确率。比如:把恶性肿瘤当做正例样本，想知道模型对恶性肿瘤的预测准确率。

2️⃣ 计算方法:P=TP/ TP+ FP