召回 /精度比灵敏度 /特异性更好吗？
那就是构建混乱矩阵。
对于任何在机器学习中遇到分类问题的人来说，混乱矩阵是一个相当熟悉的概念。它在帮助我们评估分类模型并提供有关如何提高其性能的线索方面起着至关重要的作用。
尽管分类任务可以产生离散的输出，但这些模型往往具有一定程度的不确定性。
大多数模型输出可以用属于类的概率表示。通常，决策阈值这允许模型可以在预测步骤中设置输出概率为离散类。最常见的是，此概率阈值设置为0.5。
但是，根据用例以及模型能够捕获正确信息的能力，可以调整此阈值。我们可以分析模型在各个阈值下的性能以达到所需的结果。