首页
关于
论坛
R会
投稿
搜索
混淆矩阵
最近更新于2024-09-23
1 / 1
统计应用
分类器评价、混淆矩阵与ROC曲线
阿稳
/
2011-09-16
本文转载自阿稳的博客,原文链接请点击此处。本文主要介绍了数据挖掘中分类器的评价指标,以及混淆矩阵、ROC曲线等内容。 作者简介:阿稳,豆瓣,算法工程师。感兴趣的领域:推荐系统,数据挖掘,算法架构及实现的可扩展性,R环境编程。博客http://www.wentrue.net/blog/。 假定你基于贝叶斯理论、神经网络或其他技术建立了自己的分类器。你如何得知自己是否干了一项漂亮的工作呢?你如何得知是……
机器学习
分类模型的性能评估——以SAS Logistic回归为例(3): Lift和Gain
胡江堂
/
2009-02-18
书接前文。跟ROC类似,Lift(提升)和Gain(增益)也一样能简单地从以前的Confusion Matrix以及Sensitivity、Specificity等信息中推导而来,也有跟一个baseline model的比较,然后也是很容易画出来,很容易解释。以下先修知识,包括所需的数据集: […] 说,混淆矩阵(Confusion Matrix)是我们永远值得信赖的朋友:……
机器学习
分类模型的性能评估——以SAS Logistic回归为例(2): ROC和AUC
胡江堂
/
2008-12-31
上回我们提到,ROC曲线就是不同的阈值下,以下两个变量的组合(如果对Sensitivity和Specificity两个术语没有概念,不妨返回,《分类模型的性能评估——以SAS Logistic回归为例(1): 混淆矩阵》,强烈建议读者对着看): […] Sensitivity(覆盖率,True Positive Rate) 1-Specificity (Specificity, 负例……
机器学习
分类模型的性能评估——以SAS Logistic回归为例(1): 混淆矩阵
胡江堂
/
2008-12-25
跑完分类模型(Logistic回归、决策树、神经网络等),我们经常面对一大堆模型评估的报表和指标,如Confusion Matrix、ROC、Lift、Gini、K-S之类(这个单子可以列很长),往往让很多在业务中需要解释它们的朋友头大:“这个模型的Lift是4,表明模型运作良好。——啊,怎么还要解释ROC,ROC如何如何,表明模型表现良好……”如果不明白这些评估指标的背后的直觉,就很可能陷入这样……