知乎总结(有错误,注意看评论)
CSDN 总结
输入模型中的 x 是特征,y 是分类结果,所以模型评估输入的参数是 y_true, y_predict
混淆矩阵
b站讲解
confusion_matix
对于二分类问题,有 TP,TN,FP,FN 四种情况,True Positive 意思就是正确的正样本,其是被分类正确的正样本;False Positive 是错误的正样本,则该样本本身为负样本。综上,所有的正样本为 TP+FN
对于多分类问题,扩大矩阵维度,对角线是所有预测正确的样本
F1-score
F1-score、Micro-F1-score、Macro-F1-score
使用 tf 和 Keras 计算 Macro F1-Score