第三章 升级管用吗？
疑惑
你和小白对算法进行了升级，但这次算法升级管用吗？
怎么才能对算法模型进行客观的评价呢？
于是你又一次给“人工智能人话翻译官”发了邮件。很快翻译官做了详尽的回复。
解惑
我们可以从一个医疗的列子，对算法模型如何评价做一个说明。
我们拿到一批医院用来教学用的x光片，其中20人为有病的患者，80人为健康的人，一共100人。
我们分别用P与N代表
P(condition positive)
the number of real positive cases in the data。
Positive ： sick
本例中对应的数字为20
N(condition negative )
the number of real negative cases in the data。
Negative ： healthy
本例中对应的数字为80
然后我们找一位大夫来对这批X光进行判断，得到结果如下：
这里我们用P', N'来表示预测的结果。
P' 22人
该大夫预测有病的患者为22人
其中预测对了18人，错了4人
N' 78人
该大夫预测健康的有78人
其中预测对了76人，错了2人
然后我们就可以根据这批数据以及该大夫的预测结果构造以下矩阵：
image.png
把数据带入该矩阵：
image.png
接下来就是重点了：
根据该医生的判断，有多少病人要被召回医院进行治疗呢，这个比例为多少？
这个比例很形象称为“召回率”。
有的资料也称为：
真阳性率(True Positive Rate，TPR)，灵敏度(Sensitivity)说的都是一回事。
那么这个医生漏诊多少人，比例为多少？
医生把2个有病的人预测为健康，意味该医生漏诊了两个人。FNR就代表了漏诊的比例。
这个比例形象的成为“漏诊率”
有的资料也称为：
假阴性率(False Negatice Rate，FNR)
漏诊率( = 1 - 灵敏度)
那么这个医生误诊多少人，比例为多少？
医生把4个健康的人的人预测为有病，意味该医生误诊了两个人。FPR就代表了误诊的比例。
这个比例形象的成为“误诊率”
有的资料也称为：
假阳性率(False Positice Rate，FPR)，误诊率( = 1 - 特异度)
最后该医生把真实健康的人，预测为健康的有76人。这个比例是多少呢？
这个比例被称为：
真阴性率(True Negative Rate，TNR)，特异度(Specificity)
好了，你可以这四个维度来评价该医生预测结果的好坏程度。看你更关心哪一个维度了？
好了，你可以把这个医生换成算法模型了。用这几个维度也可以评价该算法模型的优劣程度了。
恋爱成功为P。
恋爱失败为N。
得到以下评价矩阵：
image.png
其实还有以下多重组合，就看你更关心什么指标了：
image.png
除此之外：还可以使用ACC(accuracy)。
ACC (accuracy)称为：判对准确率。
也就是针对P与N你预测对的人数与总体样本人数的比例。
BTW：
accuracy paradox：
假设有100个样本，99个反例，只有1个正例。如果我的模型不分青红皂白对任意一个样本都预测是反例，那么我的模型的accuracy是 “正确的个数／总个数 = 99/100 = 99%”。很显然在这种极端条件下，ACC是不具备代表性的。
最后再介绍一下F1 score
image.png
TPR 关注的是在真实的P中，你预测对了多少
按照上面的例子：TPR关注的是你预测恋爱成功的人数在真实恋爱成功人数中所占的比例。
image.png
PPV关注的是在预测的P中，你预测对了多少
按照上面的例子：PPV关注的是你预测恋爱成功的人数在预测恋爱成功人数中所占的比例。
我们一共有200人用来测试，其中P有100，N有100，我们来看两种极端的情况：
我们的模型非常厉害，全预测对了：
image.png
带入公式：
我们的模型非常傻x，全预测错了。
image.png
带入公式：
综上，经过观察如果F1的成绩趋近与1，说明你的模型不仅在预测的结果(P')中，预测对的多，同时覆盖了(P)的中绝大多数情况，这当然是我们最想看到的。
我们把accuracy paradox中的例子带入：
image.png
则：
再度疑惑
小白和你都是行动派，收到回复后，利用之前用户的测评结果，立即进行了测试比对，结果发现，升级后的模型在各项指标中与升级前的模型结果基本一致，未见明显提高！
这是为什么？你又陷入了沉思之中。
