两类错误率
灵敏度 = 真阳性(决策正确的阳性) / 状态阳性(真阳性 + 假阴性)
Sn = TP / TP + FN
特异度 = 真阴性(决策正确的阴性) / 状态阴性(真阴性 + 假阳性)
Sp = TN / TN + FP
第一类错误率(假阳性率) α
第二类错误率(假阴性率) β
灵敏度 Sn = 1 - β
特异度 Sp = 1 - α
假阳性 = 误报 = 虚警
假阴性 = 漏报
Neyman-Person决策
在限定yilei错误率为常数而使另一类错误率最小的决策规则
ROC曲线
定义:将假阳性率(1 - 特异度)作为横坐标,真阳性率(灵敏度)作为纵坐标反映随着阈值的变化两类错误率变化的曲线。
用途:
1、比较两种分类判别方式的性能。
2、作为特征与类别相关性的度量
3、用来评价和选择与分类有关的特征
AUC:曲线下的(相对)面积,用于衡量方法的性能。
标签:曲线,错误率,ROC,决策,Person,阴性,阳性 From: https://www.cnblogs.com/20030419zhanghongyi/p/17963612