准确度=（TP + TN）/总客户
在上述情况下 ， 我们看到该模型在1000个客户的测试数据集上的准确性为70％ 。
现在 ， 我们了解到精度是仅应用于平衡数据集的指标 。为什么会这样？ 让我们看一个例子来理解这一点 。
文章插图
在此示例中 ， 该模型是在不平衡数据集上训练的 ， 甚至测试数据集也是不平衡的 。准确度指标的得分为72％ ， 这可能使我们觉得我们的模型在分类方面做得很好 。但是 ， 仔细观察 ， 此模型在预测否定类标签方面做得很糟糕 。它仅预测了100个阴性标记观察结果中的20个正确结果 。因此 ， 如果数据集不平衡 ， 则不应该使用"准确性"度量标准 。
这篇文章专注于完整地理解混乱矩阵 。
如果您想了解有关可用于评估分类模型的其他指标的更多信息 ， 例如召回率 ， 精度 ， AUC-ROC等 ， 则可以参考我下面有关该主题的详尽文章 。
分类ML模型的十大模型评估指标非常规地解释 ， 这将作为评估分类机器学习模型的详尽清单 。请继续关注此空间 ， 以获取有关数据科学 ， 机器学习和统计的更多信息！
快乐学习：）
(本文翻译自Juhi Ramzai的文章《Confusion Matrix- Not so confusing anymore!》 ， 参考：
https://towardsdatascience.com/confusion-matrix-not-so-confusing-anymore-3b7a934d623c)
【混淆矩阵-不再那么令人混淆了】
推荐阅读
- 素食者十字口诀 让你不再担心营养不够
- 自制祛湿茶，每天喝每天养，湿气不再来！
- 牙疼怎么办 9款食疗让牙疼不再来
- 腰疼吃什么好 八款药膳食疗方让你不再腰疼
- 你知道吗？JS代码混淆加密，很有用
- 推特|私有化泡汤？ 马斯克已不再是推特最大股东
- 如何不失礼节地拒绝他人的不当请求？牢记3点，日后不再受制于人
- 数据如何在网络上传输？掌握这些小知识，编程将不再呆板无趣
- 两款安神茶饮 入睡不再是难题
- 家里总被潮湿困扰？学会4个处理方法，让你不再被潮湿阴冷折磨