本文主要是介绍预测任务评价指标acc,auc，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
1、分别表示什么
TP（true positive）：表示样本的真实类别为正，最后预测得到的结果也为正；
FP（false positive）：表示样本的真实类别为负，最后预测得到的结果却为正；
FN（false negative）：表示样本的真实类别为正，最后预测得到的结果却为负；
TN（true negative）：表示样本的真实类别为负，最后预测得到的结果也为负.
acc准确率
准确率表示预测正确的样本数占总样本数的比例。
auc(area under the curve)
auc不像acc有准确的中文名称准确率，它是area under the curve首字母的缩写
从auc的全称里面可以得知它是曲线下的面积，，那么在计算auc之前，我们首先需要画一条曲线
ROC曲线受试者工作特征曲线 (receiver operating characteristic curve,简称ROC曲线),又称为感受性曲线(sens
这篇关于预测任务评价指标acc,auc的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
