机器学习基础（五十三）—— 精确率与召回率（多分类问题精确率和召回率的计算）

精确率（precision），召回率（recall）由混淆矩阵（confusion matrix）计算得来。

在信息检索中，精确率通常用于评价结果的质量，而召回率用来评价结果的完整性。

实际上，精确度（precision）是二元分类问题中一个常用的指标。
精确度就是标记为“正”，而确实是”正“的样本占所有标记为“正”的样本的比例。

TPTP+FP

\frac{TP}{TP+FP}

和精确率一起出现的还有另一个指标召回率（recall），

TPTP+FN

\frac{TP}{TP+FN}

在所有预测为正的样本中，确实为正的比例；
本身为正的样本中，被预测为正的比例

例如，假设数据集有 50 个样本，其中20个为正。分类器将 50 个样本中的 10 个标记为“正”（TP+FP=10），在这10个被标记为“正”的样本中，只有 4 个确实是“正“（TP=4），所以这里的精确度为 4/10 = 0.4，召回率为 4/20 = 0.2.

我么也可将这些概念，应用多分类问题，把每个类别单独视为”正“，所有其它类型视为”负“，考虑如下的混淆矩阵：

M = [[14371, 6500, 9, 0, 0, 2, 316],[5700, 22205, 454, 20, 0, 11, 23],[0, 445, 3115, 71, 0, 11, 0],[0, 0, 160, 112, 0, 0, 0],[0, 888, 39, 2, 0, 0, 0],[0, 486, 1196, 30, 0, 74, 0],[1139, 35, 0, 0, 0, 0, 865]
]

分别计算各个类别的精确率与召回率：

n = len(M)
for i in range(n):rowsum, colsum = sum(M[i]), sum(M[r][i] for r in range(n))try:print 'precision: %s' % (M[i][i]/float(colsum)), 'recall: %s' % (M[i][i]/float(rowsum))except ZeroDivisionError:print 'precision: %s' % 0, 'recall: %s' %0

机器学习基础（五十三）—— 精确率与召回率（多分类问题精确率和召回率的计算）相关推荐

【机器学习基础】(三)：理解逻辑回归及二分类、多分类代码实践
本文是机器学习系列的第三篇,算上前置机器学习系列是第八篇.本文的概念相对简单,主要侧重于代码实践. 上一篇文章说到,我们可以用线性回归做预测,但显然现实生活中不止有预测的问题还有分类的问题.我们可以从 ...
机器学习基础（十三）—— regularization validation
(1)无论是正则化(regularization)还是校验(validation)都是一种模型选择方法: (2)regularization:经验风险(EinE_{in})+ regularizer ...
机器学习——二分类、多分类的精确率和召回率
机器学习有很多评估的指标.有了这些指标我们就横向的比较哪些模型的表现更好.我们先从整体上来看看主流的评估指标都有哪些: 分类问题评估指标: 准确率 – Accuracy 精确率(差准率)- Preci ...
【零基础学Java】—网络编程（五十三）
[零基础学Java]-网络编程(五十三) 一.软件结构 C/S结构:全称为Client/Server结构,是指客户端和服务器结构,常见的程序有QQ.迅雷等软件 B/S:全称为Browser/Serve ...
机器学习基础（五）：计算学习理论（PAC学习、有限假设空间、VC维、Rademacher复杂度、稳定性）
5.计算学习理论计算学习理论computational learning theory:研究关于机器学习的基础理论几个常用不等式: 5.1 PAC学习概率近似正确(PAC)Probably Ap ...
机器学习——基础概念
一. 机器学习基础概念总结过层中,我结合了头歌上的相关公开课程:详见 (一).什么是机器学习? 机器学习致力于通过计算的手段,利用经验来改善系统的性能. "经验"-->通常 ...
机器学习（五）常用分类模型（K最近邻、朴素贝叶斯、决策树）和分类评价指标
机器学习(五)常用分类模型(K最近邻.朴素贝叶斯.决策树)和分类评价指标文章目录机器学习(五)常用分类模型(K最近邻.朴素贝叶斯.决策树)和分类评价指标综述常用分类模型 K最近邻模型朴素贝叶 ...
【机器学习系列】之机器学习基础
作者:張張張張 github地址:https://github.com/zhanghekai [转载请注明出处,谢谢!] 文章目录一.机器学习概述二.研究内容三.研究意义及现状四.机器学习组成 ...
多模态机器学习基础、应用及预训练模型介绍
早在公元前四世纪,哲学家和艺术学家提出了多模态的概念,用以定义融合不同内容的表达形式与修辞方法.在当今大数据时代,我们总说数据是多源异构的: 多源:数据持有方多样化.比如数据来源于问卷调查.GPS追踪 ...
神经网络——机器学习基础
机器学习基础本章会将你对这些问题的直觉固化为解决深度学习问题的可靠的概念框架.我们将把所有这些概念--模型评估.数据预处理.特征工程.解决过拟合--整合为详细的七步工作流程,用来解决任何机器学习任务 ...

机器学习基础（五十三）—— 精确率与召回率（多分类问题精确率和召回率的计算）

机器学习基础（五十三）—— 精确率与召回率（多分类问题精确率和召回率的计算）相关推荐

最新文章

热门文章