对于不平衡的二元分类模型，我应该使用哪个指标？答案

【问题标题】：Which metric I should use for unbalanced binary classification model?对于不平衡的二元分类模型，我应该使用哪个指标？
【发布时间】：2021-07-20 16:33:49
【问题描述】：

我对不平衡的数据集执行了 SVM，将训练/测试拆分为 70/30。训练集中的实例数为 class 1 的 1163993 和 class 0 的 234190 个实例。对于测试集，我有 class 1 的 498699 个实例和 class 0 的 100189 个实例。 SVM 的混淆矩阵如下所示：

我应该使用什么指标来评估模型？使用 f-avg 计算每个类的准确率、召回率和 f-1 分数可能是一种解决方案：

然后按照上表最后一行的报告，通过计算每个班级的两个 f-1 分数的算术平均值来计算 f-avg？

【问题讨论】：

标签： python classification precision confusion-matrix precision-recall

【解决方案1】：

我假设您正在这里寻找概率评估指标。在我看来，使用 AUC-ROC（使用精度和召回率计算）将是正确的方法，事实上对于大多数二元分类问题。

另请参阅this article。

【讨论】：