(7.6)--7.6 性能度量机器学习与模式识别.pptVIP

PerformanceMeasurement性能度量

CHAPTERONE概述Introduction

一、概述概念与性质性能度量评价模型泛化能力的定量标准定量性例如：正确率、错误率、均方误差……多样性真阳率、假阳率、查全率、查准率、敏感度、特异度……结果差异性不同的性能度量评价模型A和B的优劣时可能结论相反

一、概述为什么需要性能度量不同任务需要不同的度量例如：分类任务多采用正确率，回归任务多采用预测误差相同任务也可能需要不同的度量例如：肿瘤诊断，体检关注漏检率，专家会诊关注虚警率模型训练需要性能度量的指导损失函数的收敛情况，训练集和验证集上的性能度量模型的评价与应用需要多样化的、定量的依据如何评价哪个模型更适合当前任务？如何在成本与模型性能之间做精细的平衡？

CHAPTERTWO常用度量CommonMeasurements

二、常用度量准确率与错误率?—准确率(accuracy)?—错误率(errorrate)?

二、常用度量二分类问题中的四种样例真阳例(TP)：TruePositive——实际为阳性P，预测为阳性P；假阳例(FP)：FalsePositive——实际为阴性N，预测为阳性P；真阴例(TN)：TrueNegative——实际为阴性N，预测为阴性N；假阴例(FN)：FalseNegative——实际为阳性P，预测为阴性N；混淆矩阵预测真实情况PNP