分類：True、False、正面和負面

在本節中，我們會定義用來評估分類模型的指標主要構成要素。但首先，說明：

情人節寓言：哭泣的男孩 (經過壓縮)

有一位牧羊男孩來到小鎮，照顧小鎮的一切。為好玩，他送出了「狼！」的聲響，雖然沒有一隻狼身上。村民則跑來保護鳥群，但他們發現男孩們在玩笑話時，真的很開心。

[疊代上一個段落 N 次。]

有一天，牧羊人男孩看到一顆實際的狼，接近牠群 向她說：「哇！」村民拒絕上床，並待在屋裡。飢餓的狼有羊群轉換成羊排。 鎮上飢餓了。自動演示。

讓我們定義下列項目：

  • "Wolf"是正面類別。
  • " wolf" 是排除類別。

我們可以使用 2x2 混淆矩陣來總結所有可能的成果：

真陽性 (TP)：
  • 實境秀：狼受威脅，
  • Shepherd 說：「quolf;Wolf."」
  • 結果：牧羊人是英雄。
 偽陽性 (FP)：
  • 實境秀：不會受威脅。
  • Shepherd 說：「quolf;Wolf."」
  • 結果：村民在混用避難所時必須大喊。
偽陰性 (FN)：
  • 實境秀：狼受威脅，
  • 牧羊說：「沒有狼。」
  • 結果：狼會吃掉所有綿羊。
 真陰性 (TN)：
  • 實境秀：不會受威脅。
  • 牧羊說：「沒有狼。」
  • 結果：每個人都可以。

真陽性是指模型正確預測正面類別的結果。同樣地，真陰性是模型「正確」預測「負」類別的結果。

「偽陽性」是模型「不正確」預測正面類別的結果。而「偽陰性」則是指模型「不正確」預測「負」類別的結果。

在以下各節中，我們會探討如何根據從四個結果取得的指標來評估分類模型。

上一頁
門檻
下一頁
精確度