PR曲线是基于召回率的准确性来进行判断的;
混淆矩阵: ROC曲线以真阳性率(敏感性、召回率)为纵坐标,假阳性率(1-特异性)为横坐标 假阳性率:负样本中被误认为正样本的概率 FP/FP+TN 真阳性率:正样本中被预测为正样本的概率 TP/TP+FN 精确率(Precision):预测的正样本中有多少预测正确 TP/TP+FP 召回率(Recall):真正的正样本中有多少预测正确 ·TP/TP+FN· 特异性:·TN/FP+TN· 1-特异性:1-TN/FP+TN=FP/TP+TN
总离差平方和SST=6.44+3.4=9.84(1) 回归平方和SSR、残差平方和SSE SSE的自由度为18 SSR的自由度为n,模型参数个数1 SST的自由度为18+1=19(3) 均方MS:平方和除以相应的自由度 SSR的MS=6.44/1=6.44(4) F=MSB/MSW=组间均方/组内均方=6.44/1 / 3.4/18 =34.094 组间平方和MSB=MSR=SSR/df 组内平方和MSW=MSE=SSE/df
40% 30% 30% 0.2 0.6 0.2 线下店长预测未来一个月销量:24000.2+16000.6+10000.2=1640 最可能销量加权值:15000.4+18000.3+16000.3=1620 综合三人判断,预测年度销量:1640+18000.3+16400.3=1648*12=19776 信度为预测3中场景销量,这组数据的标准差的倒数(n-1)