Spark Mllib 下的决策树二元分类 —— 网站分类(2)

模型评估 在上一章节的末尾我们提到过模型的评估,那时只是简单的求了一下百分比,那种方式只能粗略的反映模型的准确率,针对二元分类算法,我们有AUC(Area under the Curve of ROC)即ROC曲线下的面积来评估模型的好坏在计算AUC之前应该先理解下面的几个概念: / 真 假 阳 TP FP 阴 TN FN 真阳性 True Positives ( TP ): 预测为 1 ,实际为 1. 假阳性 False Positives ( FP ): 预测为 1 ,实际为 0. 真阴性 True Negatives ( TN ): 预测为 0 ,实际为 0. 假