本文主要向大家介绍了机器学习入门之【机器学习】--模型评估指标之混淆矩阵，ROC曲线和AUC面积，通过具体的内容向大家展现，希望对大家学习机器学习入门有所帮助。

怎么样对训练出来的模型进行评估是有一定指标的，本文就相关指标做一个总结。
二、具体
1、混淆矩阵
混淆矩阵如图：

 
 相关公式：

 公式解释：
 fp_rate：

tp_rate:

recall:（召回率）

值越大越好
presssion:（准确率）
TP:本来是正例，通过模型预测出来是正列
TP+FP：通过模型预测出来的所有正列数（其中包括本来是负例，但预测出来是正列）
 值越大越好
2、ROC曲线

过程：对第一个样例，预测对，阈值是0.9，所以曲线向上走，以此类推。
          对第三个样例，预测错，阈值是0.7 ，所以曲线向右走，以此类推。
几种情况：

所以得出结论，曲线在对角线以上，则准确率好。
3、AUC面积

 

M是样本中正例数
N是样本中负例数
其中累加解释是把预测出来的所有概率结果按照分值升序排序，然后取正例所对应的索引号进行累加
通过AUC面积预测出来的可以知道好到底有多好，坏到底有多坏。因为正例的索引比较大，则AUC面积越大。

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标人工智能机器学习频道！