机器学习中常见的评价指标 本文链接：https://blog.csdn.net/chekongfu/article/details/86235791 机器学习中常见的评价指标包括混淆矩阵、Acuracy、Precision、Recall、F1-Score、ROC、AUC。具体如下：一、混淆矩阵 在机器学习领域，特别是统计分类问题，混淆矩阵，也称为误差矩阵，是一种特定的表格布局，允许可视化算法的性能，通常是监督学习的算法（在无监督学习通常称为匹配矩阵）。矩阵的每一行代表预测类中的实例，而每列代表实际类中的实例（反之亦然，Tensorflow 和 scikit-learn 采用另一方式表示）。“混淆”一词源于这样一个事实：它可以很容易地看出系统是否混淆了两个类（即通常将一个类错误标记为另一个类）。 它是一种特殊的列联表(contingency table)，具有两个维度（“实际”和“预测”），以及两个维度中相同的“类”集（维度和类的每个组合都是列联表中的变量）。混淆矩阵是除了 ROC 曲线和 AUC 之外的另一个判断分类好坏...
