当阳性样本信息不完整时，召回率和精确率置信区间的计算方法
背景： 已知一个二分类预测模型和一个用于预测的样本集合 \(\mathbb{S}\)，将模型预测结果为阳性的子集记为 \(\mathbb{A}\)。为评价该模型的预测能力，至少需要计算出它在这个样本集 \(\mathbb{S}\) 上的召回率 ...
背景： 已知一个二分类预测模型和一个用于预测的样本集合 \(\mathbb{S}\)，将模型预测结果为阳性的子集记为 \(\mathbb{A}\)。为评价该模型的预测能力，至少需要计算出它在这个样本集 \(\mathbb{S}\) 上的召回率 ...
一、定义 1.1 样本与结果的分类 如下图所示，以阴阳（Negative青，Positive黄）标记样本实际类别（如：阴阳、正负、男女、是否、有无……），以真假（True，False斜线阴影）描述预测结果是否正确，因此可将样本分为4类，简记为： 真阳（TP）：样本为阳，预测为阳（黄绿色）； 假阴（FN）：样本为阳，预测为阴（黄绿色+斜线）； 真阴（TN）：样本为阴，预测为阴（青绿色）； 假阳（FP）：样本为阴，预测为阳（青绿色+斜线）。