（共15页PPT）乳腺癌分类.pptxVIP

乳腺癌分类;分类评估指标

类别不平衡

实际乳腺癌数据处理;如何评价二分类效果;分类评估指标

混淆矩阵

常见指标

ROC，AUC

类别不平衡

实际乳腺癌数据处理;二分类的误区

分类准确率越高越好？

;假设我们手上有60个正样本，40个负样本，我们想找出所有的正样本，模型查找出50个，其中只有40个是真正的正样本

TP:将正类预测为正类数

FN:将正类预测为负类数

FP:将负类预测为正类数

TN:将负类预测为负类数

案例，有样例100个，50个正样本，50个负样本，其中模型查找出40个正样本，预测出40个正样本中有5个是负样本。

;常见指标;常见指标;ROC全称是“受试者工作特征”（ReceiverOperatingCharacteristic）。ROC曲线的面积就是AUC（AreaUndertheCurve）。AUC用于衡量“二分类问题”机器学习算法性能（泛化能力）;;评估指标

类别不平衡

实际乳腺癌数据处理;欠采样

去除一些反例（假设反例多），使得正、反例数目接近，然后再学习

优点：速度快 缺点：可能会丢失一些重要信息

过采样

增加一些正例，使得正、反例数目接近，然后再学习

优点：保持数据信息 缺点：可能会过拟合

代价敏感学习

给某类样本更高的权重，比如，正例是反例的一半，那么正例的权重就是反例的2倍，在sklearn中由class_weight指定

优点：速度快