From 158b13b01a75d43dbf3d652af6c294b66dd25ace Mon Sep 17 00:00:00 2001
From: CoderOverflow <this.is.lyd@gmail.com>
Date: Fri, 12 Apr 2019 11:42:28 +0800
Subject: [PATCH] =?UTF-8?q?2.16=20=E4=BB=A3=E4=BB=B7=E6=95=8F=E6=84=9F?=
 =?UTF-8?q?=E9=94=99=E8=AF=AF=E7=8E=87=E4=B8=8E=E4=BB=A3=E4=BB=B7=E6=9B=B2?=
 =?UTF-8?q?=E7=BA=BF=20=E5=86=85=E5=AE=B9=E4=BF=AE=E8=AE=A2?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

2.16 代价敏感错误率与代价曲线 内容修订
---
 ch02_机器学习基础/第二章_机器学习基础.md | 4 ++--
 1 file changed, 2 insertions(+), 2 deletions(-)

diff --git a/ch02_机器学习基础/第二章_机器学习基础.md b/ch02_机器学习基础/第二章_机器学习基础.md
index 3e71aef..dd2ec67 100644
--- a/ch02_机器学习基础/第二章_机器学习基础.md
+++ b/ch02_机器学习基础/第二章_机器学习基础.md
@@ -1288,7 +1288,7 @@ $Cost_{01}$:表示实际为正例但是预测为反例的代价。
 $$
 E(f;D;cost)=\frac{1}{m}\left( \sum_{x_{i} \in D^{+}}({f(x_i)\neq y_i})\times Cost_{01}+ \sum_{x_{i} \in D^{-}}({f(x_i)\neq y_i})\times Cost_{10}\right)
 $$
-$D^{+}、D^{-}​$分别代表样例集 的正例子集和反例子集。
+$D^{+}、D^{-}​$分别代表样例集的正例子集和反例子集，x是预测值，y是真实值。
 
 **代价曲线**：
 	在均等代价时，ROC曲线不能直接反应出模型的期望总体代价，而代价曲线可以。
@@ -1303,7 +1303,7 @@ $$
 Cost_{norm}=\frac{FNR*p*Cost_{01}+FNR*(1-p)*Cost_{10}}{p*Cost_{01}+(1-p)*Cost_{10}}
 $$
 
-其中FPR为假正例率，FNR=1-TPR为假反利率。
+其中FPR为假阳率，FNR=1-TPR为假阴率。
 
 注：ROC每个点，对应代价平面上一条线。