内容标题12

  • <tr id='iPyyn3'><strong id='iPyyn3'></strong><small id='iPyyn3'></small><button id='iPyyn3'></button><li id='iPyyn3'><noscript id='iPyyn3'><big id='iPyyn3'></big><dt id='iPyyn3'></dt></noscript></li></tr><ol id='iPyyn3'><option id='iPyyn3'><table id='iPyyn3'><blockquote id='iPyyn3'><tbody id='iPyyn3'></tbody></blockquote></table></option></ol><u id='iPyyn3'></u><kbd id='iPyyn3'><kbd id='iPyyn3'></kbd></kbd>

    <code id='iPyyn3'><strong id='iPyyn3'></strong></code>

    <fieldset id='iPyyn3'></fieldset>
          <span id='iPyyn3'></span>

              <ins id='iPyyn3'></ins>
              <acronym id='iPyyn3'><em id='iPyyn3'></em><td id='iPyyn3'><div id='iPyyn3'></div></td></acronym><address id='iPyyn3'><big id='iPyyn3'><big id='iPyyn3'></big><legend id='iPyyn3'></legend></big></address>

              <i id='iPyyn3'><div id='iPyyn3'><ins id='iPyyn3'></ins></div></i>
              <i id='iPyyn3'></i>
            1. <dl id='iPyyn3'></dl>
              1. <blockquote id='iPyyn3'><q id='iPyyn3'><noscript id='iPyyn3'></noscript><dt id='iPyyn3'></dt></q></blockquote><noframes id='iPyyn3'><i id='iPyyn3'></i>
                題目標題

                如何衡量分類器的好壞

                難度:初級

                機器學習
                參考解析

                這裏〗首先要知道 TP、FN(真的判成假的)、FP(假的判成真)、TN 四種(可
                以畫一】個表格)。
                幾種常用◤的指標:
                精度 precision = TP/(TP+FP) = TP/~P (~p 為預〖測為真的數量)
                召回率 recall = TP/(TP+FN) = TP/ P
                F1 值: 2/F1 = 1/recall + 1/precision
                ROC 曲線:ROC 空間是一個以偽陽性率(FPR,false positive rate)為 X
                軸,真陽性率(TPR, true positive rate)為 Y 軸的ㄨ二維坐標系所代表的平
                面。其中真陽□ 率 TPR = TP / P = recall, 偽陽率 FPR = FP / N