[Machine-Learning] 机器学习中的几个度量指标

Several classification metrics for ML/DM methods.

主要解释下机器学习（或数据挖掘）中的几个度量指标。

1. 关于 "TN/TP/FN/FP"

在预测过程中，经常会出现这几个名词，先是解释下字面意思：

• TN: True Negative （真负），被模型预测为负的样本，模型预测对了
• TP: True Positive （真正），被模型预测为正的样本，模型预测对了
• FN: False Negative （假负），被模型预测为负的样本，模型预测错了
• FP: False Positive （假正），被模型预测为正的样本，模型预测错了

可以看出来，两个字母的后面一个字母(N or P )，是模型预测的结果，而第一个字母(T or N ) 代表的是这个结果的正确与否；下面用一个表格来表示一下：

	Actual Class: X	Actual Class: not X
Predicted Class: X	TP	FP
Predicted Class: not X	FN	TN

Table.1: BINARY CONFUSION MATRIX

从上面这个表格中也能比较直观地分辨这4个指标：横轴代表结果实际的情况，而纵轴代表了该例子被模型预测的情况。

2. 常用于二分类问题（监督学习）的度量指标

2.1 准确率 or 正确比例：

Accuracy or Proportion Correct

​

计算方法：(TN + TP) / (TP + TN + FP + FN)

需要注意的是：当分类问题是平衡（blanced）的时候，准确率可以较好地反映模型的优劣程度，但不适用于数据集不平衡的时候。

例如：分类问题的数据集中本来就有97% 示例是属于X，只有另外3%不属于X，所有示例都被分类成X的时候，准确率仍然高达97%，但这没有任何意义。

2.2 PPV or 正预测值：

PPV = Positive Predictive Value 。

计算方法：TP / ( TP + FP )

模型预测属于X的示例（instance）中，预测正确（真正属于X）的比例。

2.3 召回率 or TP Rate：

Sensitivity（灵敏度） orRecall or True Positive Rate or Probability。

计算方法： TP / (TP + FN)

真正属于X的示例中，成功预测为属于X（TP）的比例。

2.4 NPV or 错误预测正确率：

NPV = Negative Predictive Value

计算方法：TN / (TN + FN)

模型预测不属于X的示例中，预测正确（TN）的比例；那个中文是我自己翻译的，凑活看吧。。。这个和PPV比较像。

2.5 TN Rate：

Specificity or True Negative Rate

计算方法：TN / (TN + FP)

真正不属于X的示例中，被预测成不属于X的示例所占的比例。（已经无力翻译成中文名称了。。。）

2.6 FP rate or FAR or Fall-out：

FAR = 1-Specificity

计算方法：FP / (TN + FP)

真正不属于X的示例中，模型预测成属于X的（预测失败）示例所占的比例。

在分类问题中，在灵敏度和FAR两者之间要保持一个平衡（折中）。这种折中要通过ROC曲线来表示，在Y轴上表示灵敏度，在X轴上表示FAR。 较高的FAR导致较高的灵敏度，较低的FAR导致较低的灵敏度。 通常，FAR不能高于某个数，这就是最终分类器的选择。

3. 多分类问题中的度量指标

• Overall Accuracy：被正确分类的示例在数据集中的比例。
• Class detection rate：来自给定类的例子正确地分类占来自给定类的所有样本得比例。
• Class FAR or class FP rate：一个类别中分类错误（未被分到这个类）的示例占所有不是这个类的示例的比例。

在多分类问题中计算PPV和NPV是可行的，但是通常不这么做

reference

1. Anna L. Buczak, Erhan Guven, "A Survey of Data Mining and Machine Learning Methods for Cyber Security Intrusion Detection", IEEE COMMUNICATIONS SURVEYS & TUTORIALS VOL. 18, NO. 2, SECOND QUARTER 2016