2.16 代价敏感错误率与代价曲线 内容修订

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

@@ -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。