机器学习随笔二--查准率和查全率

2024-04-16 09:08:07

机器学习随笔二--查准率（precision）和查全率（recall）

一.混淆矩阵

通过真实情况和机器的预测结果，我们可以把最终得到的结果分为四类：真正例（true positive),假正例(false positive),真反例(true negative)，假反例(false negative)，TP+FN+FP+TN=样例总数

1. 真正例（true positive,TP）：预测为真，实际为真
2.假反例（false negative,FN）：预测为假，实际为真
3.假正例（false positive,FP）：预测为真，实际为假
4.真反例（true negative,TN）：预测为假，实际为假

分类结果混淆矩阵
	预测结果
真实情况	正例	反例
正例	TP（真正例）	FN（假反例）
反例	FP（假正例）	TN（真反例）

二.查准率和查全率解释

1.查准率是针对我们预测结果而言的，它表示的是预测为正的样本中多少是真正的正样本。我们可以把预测的结果分为两类，一种是正类预测为正类（TP），另一种是负类预测正类（FP）。按下图来看，预测为正的样本即selected elements（被选中的元素），其中真正的正样本是selected elements内颜色为绿色的部分。故查准率就是

2.查全率是针对我们原来的样本而言的，它表示的是样本中的正例有多少被预测正确。我们也可以把预测的结果分为两类，一种是正类预测为正类（TP），另外一种是正类预测为负类（FN）。简单来讲，查全率就是true positive 除以 relevant elements。也就是

查准率和查全率示意图

机器学习随笔二--查准率和查全率相关推荐

机器学习-查准率、查全率、调和平均值
在机器学习里,预测出来的结果与真实情况总会有差距,两者的误差需要进行测试. 目录一.准确率(Accuracy) 二.查准率.查全率 1.定义 2.具体解释 3.两者关联三.调和平均值 1.公式 2 ...
机器学习--查准率和查全率
机器学习--查准率和查全率问题引出一.混淆矩阵二.查准率和查全率总结问题引出以西瓜问题为例,我们现在想要解决的问题为"挑出的西瓜有多少是好西瓜","所有好瓜中 ...
机器学习：性能度量指标之查准率和查全率
在很多实际应用中,我们知道仅仅关心正确分类的结果是不够的,并且,在数据偏斜比较严重的情况下,模型准确率可能具有相当程度的误导性,我们也需要知道数据被错误分类的情况,以确认为此需要承担的分类错误的代价. ...
【机器学习】评价指标 : 准确率，查准率与查全率
引言在机器学习中,有几个评价指标,今天专门来介绍一下.之前的学习中主要是看模型,学算法,突然有一天发现,机器学习中的一些基本概念还是有点模糊,导致不知道如何综合评价模型的好坏. 这篇文章主要介绍如下 ...
【机器学习笔记】模型评估：查准率、查全率和F1
前言错误率与精度经常用来衡量一个模型的好坏,但这两项指标并不能满足所有的需求.以西瓜书中的例子来说,农夫拉来一车西瓜,错误率可以衡量出有多少比例的瓜被判别错误,而我们关心的是好瓜,或说好瓜中有多少比 ...
机器学习的查准率、查全率和F1-score
目录一.简介 (一)查准率与查全率 (二)F-Score 二.实例 (一)问题 (二)解决三.参考资料一.简介 (一)查准率与查全率定义: 对于二分类问题,分类结果混淆矩阵与查准/查全率定义如 ...
机器学习：算法性能度量之查准率与查全率
我们经常使用错误率(即分类错误的样本占总体样本的比例)来分析一个机器学习算法的性能,但是有时候不能满足任务的需求. 例如,我们想要利用机器学习算法来预测肿瘤是不是恶性的.在训练集中,只有0.5%的样本 ...
机器学习笔记(二)模型评估与选择
2.模型评估与选择 2.1经验误差和过拟合不同学习算法及其不同参数产生的不同模型,涉及到模型选择的问题,关系到两个指标性,就是经验误差和过拟合. 1)经验误差错误率(errorrate):分类错误 ...
查准率、查全率、P-R图与F1值
1.查准率.查全率与P-R图以西瓜问题为例,假定农夫拉来一车西瓜,我们用训练好的模型对西瓜进行判别,错误率可以衡量有多少比例的瓜被判别错误.但是我们关心的是"挑出的西瓜中有多少比例是好瓜& ...

最新文章

热门文章