预测条件 | 来源: [1][2][3][4][5][6][7][8][9] | ||||
总体人群 = P + N |
预测阳性 (PP) | 预测阴性 (PN) | 信息度, 博彩信息度 (BM) = TPR + TNR − 1 |
Prevalence threshold (PT) =[math]\mathsf\tfrac{\sqrt{\text{TPR}\times\text{FPR}}-\text{FPR}}{\text{TPR}-\text{FPR}}[/math] | |
阳性 (P) | True positive (TP), 命中 |
False negative (FN), type II error, 错失, 低估 |
True positive rate (TPR), 召回率, 敏感性 (SEN), 检测概率, 命中率, 功效 = TP/P = 1 − FNR |
False negative rate (FNR), 错失率 = FN/P = 1 − TPR | |
阴性 (N) | False positive (FP), type I error, 虚警, 高估 |
True negative (TN), 正确拒绝 |
False positive rate (FPR), 虚警概率, 降雨量 = FP/N = 1 − TNR |
True negative rate (TNR), 特异性 (SPC), 选择性 = TN/N = 1 − FPR | |
患病率 = P/P + N |
阳性预测值 (PPV), 精确度 = TP/PP = 1 − FDR |
漏报率 (FOR) = FN/PN = 1 − NPV |
阳性似然比 (LR+) = TPR/FPR |
阴性似然比 (LR−) = FNR/TNR | |
准确度 (ACC) = TP + TN/P + N | 假发现率 (FDR) = FP/PP = 1 − PPV |
阴性预测值 (NPV) = TN/PN = 1 − FOR | 标记度 (MK), deltaP (Δp) = PPV + NPV − 1 |
诊断比值比 (DOR) = LR+/LR− | |
平衡准确度 (BA) = TPR + TNR/2 | F1 分数 = 2 PPV × TPR/PPV + TPR = 2 TP/2 TP + FP + FN |
Fowlkes–Mallows 指数 (FM) = [math]\scriptstyle\mathsf\sqrt{\text{PPV}\times\text{TPR}}[/math] | 马修斯相关系数 (MCC) =[math]\scriptstyle\mathsf\sqrt{\text{TPR}\times\text{TNR}\times\text{PPV}\times\text{NPV}}[/math][math]\scriptstyle-\mathsf\sqrt{\text{FNR}\times\text{FPR}\times\text{FOR}\times\text{FDR}}[/math] |
威胁分数 (TS), 关键成功指数 (CSI), Jaccard 指数 = TP/TP + FN + FP |
- ↑ Balayla, Jacques (2020). "流行阈值 (ϕe) 及筛查曲线的几何性质". PLOS ONE. 15 (10): e0240215. doi:10.1371/journal.pone.0240215. PMID 33027310.
- ↑ Fawcett, Tom (2006). "ROC 分析简介" (PDF). Pattern Recognition Letters. 27 (8): 861–874. doi:10.1016/j.patrec.2005.10.010. S2CID 2027090.
- ↑ Piryonesi S. Madeh; El-Diraby Tamer E. (2020-03-01). "资产管理中数据分析:路面状况指数的成本效益预测". Journal of Infrastructure Systems. 26 (1): 04019036. doi:10.1061/(ASCE)IS.1943-555X.0000512. S2CID 213782055.
- ↑ Powers, David M. W. (2011). "评价:从精确度、召回率和F-度量到ROC、信息度和标记度与相关性". Journal of Machine Learning Technologies. 2 (1): 37–63.
- ↑ Ting, Kai Ming (2011). Sammut, Claude; Webb, Geoffrey I. (eds.). 机器学习百科全书. Springer. doi:10.1007/978-0-387-30164-8. ISBN 978-0-387-30164-8.
- ↑ Brooks, Harold; Brown, Barb; Ebert, Beth; Ferro, Chris; Jolliffe, Ian; Koh, Tieh-Yong; Roebber, Paul; Stephenson, David (2015-01-26). "WWRP/WGNE 联合预测验证研究工作组". 澳大利亚天气与气候研究合作. 世界气象组织. Retrieved 2019-07-17.
- ↑ Chicco D, Jurman G (January 2020). "马修斯相关系数 (MCC) 在二元分类评估中优于 F1 分数和准确度的优势". BMC Genomics. 21 (1): 6-1–6-13. doi:10.1186/s12864-019-6413-7. PMC 6941312. PMID 31898477.
- ↑ Chicco D, Toetsch N, Jurman G (February 2021). "马修斯相关系数 (MCC) 在两类混淆矩阵评估中比平衡精度、博彩信息度和标记度更可靠". BioData Mining. 14 (13): 13pmid = 33541410. doi:10.1186/s13040-021-00244-z. PMC 7863449.
- ↑ Tharwat A. (August 2018). "分类评估方法". Applied Computing and Informatics. 17: 168–192. doi:10.1016/j.aci.2018.08.003.