精选优质文档-倾情为你奉上分类（预测）评价指标 : 混淆矩阵,ROC，AUC一、混淆矩阵（confusion matrix）混淆矩阵（confusion matrix）刻画一个分类器的分类准确程度。“混淆”一词也形象地表达了分类器面对多个分类时可能造成的混淆。混淆矩阵是除了ROC曲线和AUC之外的另一个判断分类好坏程度的方法。二元分类的混淆矩阵形式如下：实际值样本总数 NPositiveNegative预测值PositiveTP 11实际是Positive，预测成Positive的样本数，又叫true positive FP 01实际是Negative，预测成Positive的样本数，又叫false positiveNegativeFN 10实际是Positive，预测成Negative的样本数，又叫false negativeTN 00实际是Negative，预测成Negative的样本数，又叫true negative实际Positive样本数=TP+F
