怎么用混淆矩阵评价指标评价学习效果

混淆矩阵是评价分类模型性能的重要工具。12

📊 混淆矩阵结构

• 真正类（TP）：正确预测为正类的数量。
• 假负类（FN）：错误预测为负类的正类数量。
• 假正类（FP）：错误预测为正类的负类数量。
• 真负类（TN）：正确预测为负类的数量。1

📈 评价指标计算

• 精确率（Accuracy）：$\text{Accuracy} = \frac{TP + TN}{TP + FN + FP + TN}$
• 正确率（Precision）：$\text{Precision} = \frac{TP}{TP + FP}$
• 召回率（Recall）：$\text{Recall} = \frac{TP}{TP + FN}$5

🔍 评价效果

• 优点：提供模型性能的全面视图，包括各类别的预测准确性。
• 局限性：在极度不平衡的数据集中可能不够敏感。2