如何解决关于Classification Metrics下混淆矩阵的问题
这是一个关于Classification Metrics下混淆矩阵的问题。
假设我在一个欺诈分析团队工作，我们的目标是检测欺诈性信用卡交易。 我随机抽取了 500 笔交易样本。 在这些交易中，有 50 笔是欺诈性的。 我预测总共有 100 笔欺诈交易，其中 45 笔是正确的。
识别假阳性和假阴性。
我的工作是：
Actual Positive 表示欺诈 50 个欺诈交易由 45 个真阳性和 5 个假阴性组成。 预测 100 笔欺诈交易由 45 个 True Positives 和 55 个 False Positives 组成。 所以剩下的 395 个是 True Negatives。
结论：我的答案是 55 个误报和 5 个误报吗？
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
