标签：性能 错误 笔记 fnr div 线性 www lin 回归
2.3性能度量
2.3.1 回归任务中的性能度量
均方误差
2.3.2 分类任务中的性能度量
精度 acc =（TP+TN）/（TP+FN+FP+TN）
错误率E =（FN+FP）/（TP+FN+FP+TN）
准确率 P = TP/（TP+FP） 挑出的好瓜占挑出的西瓜的比例召回率 R = TP/（TP+FN） = TP/m+ 挑出的好瓜占所有好瓜的比例
真正例率 TPR = TP/（TP+FN）=TP/m+ 挑出的正例占所有正例的比例
假正例率 FPR = FP/（TN+FP）=FP/m- 挑出的反例占所有反例的比例
假反例率 FNR = FN/（TP+FN）= FN/m+ 未被挑出的正例占所有正例的比例
FNR+TPR = 1
P和R“互斥”，一个0一个1。组成PR图和PR曲线。
TPR和FPR“相吸”，同时为0同时为1.组成ROC图和ROC曲线。
F1是P和R的调和平均：
1/F1 = 1/2 *（1/P + 1/R）= 1/（2*P） + 1/（2*R）
Fb是P和R的加权调和平均：
1/Fb = 1/（1+b^2） *（1/P + b^2/R）= 1/（（1+b^2）*P）+b^2/（（1+b^2）*R）= 1/（（1+b^2）*P）+1/（（1+1/b^2）*R）
3.2线性回归
《机器学习》（周志华）笔记
标签：性能 错误 笔记 fnr div 线性 www lin 回归
原文地址：http://www.cnblogs.com/Pumpkinandy/p/6155256.html
