機器學習中的評價指標
0 概述
為了衡量一個機器學習模型的好壞,需要給定一個測試集,用模型對測試集中的每個樣本進行預測,並根據預測結果計算評價分數。對於分類問題,常見的評價指標有準確率、精確率、召回率和F值等。給定測試集\(\tau =\left \{ \left ( \pmb{x}^{(1)},y^{(1)} \right ),...,\left ( \pmb{x}^{(N)},y^{(N)} \right )\right \}\),假設標籤\(y^{(n)}\in \left \{ 1,...C \right \}\),用學習好的模型\(f(\pmb{x};\theta ^{*})\)對測試集中的每一個樣本進行預測,結果為\(\left \{ \hat{y}^{(1)},...,\hat{y}^{(N)} \right \}\)
1 準確率
準確率(Accuracy)是最常用的評價指標:
\[a=\frac{1}{N}\sum_{n=1}^{N}I(y^{(n)}=\hat{y}^{(n)}) \]2 錯誤率
和準確率對應的就是錯誤率(Error Rate):
\[\varepsilon =1-a \]3 精確率(查準率)和召回率(查全率)
對於一個分類問題,對類別c來說,模型在測試集上的結果可以分為以下四種情況:
- 真正例(TP):真實類別為正例,預測類別為正例。
- 假正例(FP):真實類別為負例,預測類別為正例。
- 真負例(TN):真實類別為負例,預測類別為負例。
- 假負例(FN):真實類別為正例,預測類別為負例。
類別c的混淆矩陣為:
類別c | 預測為正 | 預測為負 |
---|---|---|
真實類別為正 | \(TP_{c}\) | \(FN_{c}\) |
真實類別為負 | \(FP_{c}\) | \(TN_{c}\) |
- 精確率定義如下:
- 召回率
- F值定義如下:
當\(\beta\)取值為1時,稱為F1值。
4 巨集平均和微平均
為了計算分類演算法在所有類別上的總體精確率、召回率和F1值,經常使用兩種平均方法,分別稱為巨集平均(Macro Average)和微平均(Micro Average)。
- 巨集平均的定義如下:
- 微平均:微平均是每個樣本的效能指標的平均值
5 例題
假設我們有一個兩類鑑別模型和測試集,該模型在該測試集上預測結果與實際類別對比可得:
類別一:
TP1 = 12,FP1 = 9,FN1 = 3
類別1 | 預測為正 | 預測為負 |
---|---|---|
真實類別為正 | 12 | 3 |
真實類別為負 | 9 | \(TN_{1}\) |
易知:P1 = 57.1%,R1 = 80%
類別2:
TP2 = 50,FP2 = 23,FN2 = 9
類別2 | 預測為正 | 預測為負 |
---|---|---|
真實類別為正 | 50 | 9 |
真實類別為負 | 23 | \(TN_{2}\) |
易知:P2 = 68.5%,R2 = 84.75%
則巨集平均:
P_macro P = (P1 + P2) / 2 = 62.82%
P_macro R = (R1 + R2) / 2 = 82.25
微平均:
P_micro P = (TP1 + TP2) / (TP1 + TP2 + FP1 + FP2) = 65.96
P_micro R = (TP1 + TP2) / (TP1 + TP2 + FN1 + FN2) = 83.78
6 總結
如果每個class的樣本數量差不多,那麼巨集平均和微平均沒有太大差異,如果每個class的樣本數量差異很大,而且你想:
- 更注重樣本量多的class:使用巨集平均
- 更注重樣本量少的class:使用微平均
如果微平均大大低於巨集平均,檢查樣本量多的class
如果巨集平均大大低於微平均,檢查樣本量少的class