分類器的評(píng)估

分類器的評(píng)估張英混淆矩陣與分類準(zhǔn)確率多分類問題的混淆矩陣預(yù)測(cè)結(jié)果類c1c2……ck總實(shí)際類c1c2……ck總n準(zhǔn)確率誤分類率分類模型的評(píng)價(jià)指標(biāo)1.準(zhǔn)確率與誤分類率準(zhǔn)確率=(tp+tn))/(tp+fn+fp+tn)誤分類率=(fn+fp)/(tp+fn+fp+tn)真正率（靈敏度）=tp/(tp+fn)真負(fù)率（特指度）=tn/(fp+tn)假正率

=fp/(fp+tn)假負(fù)率

=fn/(tp+fn)二分類問題的混淆矩陣預(yù)測(cè)結(jié)果類+-總實(shí)際類+tpfntp+fn-fptnfp+tn總tp+fpfn+tntp+fn+fp+tn不平衡分布類二類分類問題的混淆矩陣預(yù)測(cè)結(jié)果類+10-90實(shí)際類+5++(tp)3+-(fn)2-95-+(fp)7—(tn)88誤分類率：9%真正率：60%評(píng)估指標(biāo)2.精度P=tp/(tp+fp)

3.召回率（真正率、靈敏度）R=tp/(tp+fn)4.FSCORE精度和召回率

的調(diào)和均值：召回率和精度的權(quán)重相同：F=2RP/(R+P)將召回率的權(quán)重設(shè)為精度的β倍：二分類問題的混淆矩陣預(yù)測(cè)結(jié)果類+-總實(shí)際類+tpfntp+fn-fptnfp+tn總tp+fpfn+tntp+fn+fp+tn評(píng)估指標(biāo)二分類問題的誤分類代價(jià)預(yù)測(cè)結(jié)果類+-總實(shí)際類+C(+,+)C(+,-)C(+,+)*TP+C(+,-)*FN-C(-,+)C(-,-)C(-,+)*FP+C(-,-)*TN誤分類代價(jià)

（成本或收益）

誤分類代價(jià)對(duì)稱C(+,+)=C(-,-)=0C(+,-)=C(-,+)=1誤分類代價(jià)不對(duì)稱關(guān)注預(yù)測(cè)為正類成本角度收益角度二分類問題的混淆矩陣預(yù)測(cè)結(jié)果類+-總實(shí)際類+tpfntp+fn-fptnfp+tn預(yù)測(cè)性能評(píng)估指標(biāo)的選擇平衡分布類，對(duì)稱誤分類代價(jià)準(zhǔn)確率、誤分類率，精度不平衡分布類，對(duì)稱誤分類代價(jià)

精度，召回率，F(xiàn)SCORE不對(duì)稱誤分類代價(jià)成本或收益模型評(píng)估方法Hold方法將數(shù)據(jù)分成訓(xùn)練集和驗(yàn)證（測(cè)試）集，一般按照2:1比例劃分，以驗(yàn)證集指標(biāo)進(jìn)行評(píng)估；多次隨機(jī)采樣進(jìn)行N次上述（1）的隨機(jī)采樣，然后計(jì)算N個(gè)測(cè)試精度的平均值自助法（bootstrap)（最常用的.632自助法）進(jìn)行N次有放回的均勻采樣，獲得的數(shù)據(jù)集作為訓(xùn)練集，原數(shù)據(jù)集中未被抽中的其它觀測(cè)形成驗(yàn)證集。可重復(fù)K次，計(jì)算準(zhǔn)確率：模型評(píng)估方法交叉驗(yàn)證數(shù)據(jù)集小的時(shí)候，可將數(shù)據(jù)集分成K個(gè)不相交的等大數(shù)據(jù)子集，每次將K-1個(gè)數(shù)據(jù)集作為訓(xùn)練集，將1個(gè)數(shù)據(jù)集作為驗(yàn)證（測(cè)試）集，得到K個(gè)測(cè)試精度，然后計(jì)算K個(gè)測(cè)試指標(biāo)的平均值。留一交叉驗(yàn)證：K=N；分層交叉驗(yàn)證：每個(gè)部分中保持目標(biāo)變量的分布。不同分類器預(yù)測(cè)準(zhǔn)確度差異的顯著性檢驗(yàn)T檢驗(yàn)（自由度為K-1）以交叉驗(yàn)證為例（k為驗(yàn)證集觀測(cè)分折數(shù)）：相同驗(yàn)證集：不同驗(yàn)證集：分類器預(yù)測(cè)準(zhǔn)確度置信區(qū)間分類器預(yù)測(cè)真正準(zhǔn)確度p=其中：N：驗(yàn)證集觀測(cè)個(gè)數(shù)；acc：基于當(dāng)前驗(yàn)證集分類器的準(zhǔn)確度；ROC曲線（receiveroperatingcharacteristic)曲線下方面積越大，模型越好，即曲線與y軸正向的夾角越小越好。真正率假正率二分類問題的混淆矩陣預(yù)測(cè)結(jié)果類+-總實(shí)際類+tpfntp+fn-fptnfp+tn總tp+fpfn+tntp+fn+fp+tn制作ROC曲線驗(yàn)證集共有10個(gè)觀測(cè)，其中正類（P類）5個(gè)，負(fù)類（N類）5個(gè)將驗(yàn)證集各觀測(cè)按照預(yù)測(cè)為正類的概率降序排列，每個(gè)觀測(cè)計(jì)算對(duì)應(yīng)的真正率和假正率，形成一個(gè)點(diǎn)。提升圖假定：目標(biāo)變量的取值為GOOD和BADN為驗(yàn)證集觀測(cè)個(gè)數(shù)；RGOOD為驗(yàn)證集目標(biāo)變量取值為GOOD的觀測(cè)個(gè)數(shù)；p_good為驗(yàn)證集目標(biāo)變量

預(yù)測(cè)為GOOD的概率值；驗(yàn)證集的混淆矩陣預(yù)測(cè)結(jié)果類goodbad總實(shí)際類goodtpfnRGOODbadfptnRbad總N繪制提升圖1.將驗(yàn)證集各觀測(cè)按照p_good降序排列,等分成10組。2.以10個(gè)分組為橫坐標(biāo)

以下指標(biāo)分別為縱坐標(biāo)：%response：每組中實(shí)際為GOOD的觀測(cè)個(gè)數(shù)占本組總個(gè)數(shù)的比例;%capturedresponse:每組中實(shí)際為GOOD的觀測(cè)個(gè)數(shù)占RGOOD的比例;%cumulativeresponse:前面各組中實(shí)際為GOOD的觀測(cè)個(gè)數(shù)占前面各組總個(gè)數(shù)的比例%cumulativecapturedresponse:前面各組中實(shí)際為GOOD的觀測(cè)個(gè)數(shù)占RGOOD的比例。liftvalue=使用模型以后的%response/不使用任何模型進(jìn)行決策的%response提升圖某公司發(fā)送了1000封廣告郵件，有200個(gè)客戶響應(yīng)了郵件（即由于收到郵件而在該公司產(chǎn)生了消費(fèi)行為）。每個(gè)10分位（100個(gè)觀測(cè)）的響應(yīng)者個(gè)數(shù)根據(jù)對(duì)驗(yàn)證數(shù)據(jù)集的計(jì)算得到。決策閾值選擇根據(jù)每個(gè)觀測(cè)預(yù)測(cè)為每個(gè)目標(biāo)類的概率決定該觀測(cè)的目標(biāo)類值。對(duì)二分類：

理論閾值p=1/(1+1/B)B=C（-，+）/C（+，-）根據(jù)提升圖和實(shí)際業(yè)務(wù)背景選擇合適的分組比例。根據(jù)分組比例決定最終決策閾值。提高分類準(zhǔn)確率技術(shù)—組合分類組合分類方法有放回抽樣產(chǎn)生多個(gè)樣本裝袋：多數(shù)表決決定最終結(jié)果提升（adaboost)隨機(jī)森林：多顆決策樹，隨機(jī)屬性