数据挖掘之分类指标

场景如下：

假设原样本有两类，True和False，其中：

1.总共有T个类别为True的样本；

2.总共有F个类别为False的样本；

分类预测后：

1.总共有TT个类别为True的样本被系统判为True，FT个类别为True的样本被系统判为False，则TT+FT=T

2.总共有FF个类别为False的样本被系统判为False，TF个类别为False的样本被系统判为True，则FF+TF=F

指标计算：

精确度=TT/(TT+TF)--判断正样本中真正正样本的比例

准确率=(TT+FF)/(T+F)--判断正确的比重

召回率=TT/(TT+FT)--正确判断正例的比重

漏报率=FT/(TT+FT)--多少个正例被漏判了

虚警率=TF/(TT+TF)--反映被判为正例样本中，有多少个是负例

灵敏度=TT/(TT+FT)   
特异度=FF/(FF+TF)

【
灵敏度=真阳性人数/（真阳性人数+假阴性人数）×100%。正确判断病人的率。
特异度=真阴性人数/（真阴性人数+假阳性人数）×100%。正确判断非病人的率。
】

 

英文标示：

召回率 Recall；

精确度Precision；

准确率Accuracy；

漏警概率（Missing Alarm）；

虚警概率（False Alarm）；