看懂論文的機器學習基本知識(三)--假正例、假負例、ROC曲線

 1、假正例和假負例spa 假正例(False Positive):預測爲1,實際爲0的樣本3d 假負例(False Negative):預測爲0,實際爲1的樣本orm 實際預測中,那些真正例(True Positive)和真負例(True Negative)都不會形成損失(cost)。blog 那麼,咱們假設一個假正例的損失是LFP,一個假負例的損失是LFN。圖片 咱們能夠獲得一個損失矩陣:ip
相關文章
相關標籤/搜索