机器学习随笔二--查准率和查全率
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
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
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
- DropDownList联动
- Android studio | From Zero To One —— Hello Android
- VTK:Utilities之TimeStamp
- IT 人永远不老,老程序员价值何在?
- [css] 有用过Flex吗?简要说下你对它的了解
- Python中socket入门例子
- Zookeeper的集群架构以及读写原理
- 仿 vue-cli 搭建属于自己的脚手架
- SQL注入学习part04:(结合sqli-libs学习:31-40关)
- python游戏编程入门下载-Python游戏编程入门 中文pdf扫描版|网盘下载内附地址提取码|...
- arcore 示例_Android增强现实– Android ARCore示例
- centos 解决不在 sudoers 文件中。此事将被报告的问题
- 动手写一个探测网络质量(丢包率/RTT/队形等)的工具
- 有哪些wordpress企业网站主题推荐?
- 真的有程序员鼓励师,天啦噜!
- 遥感或DEM像素深度如何降为8bit
- 计算机显示器上有条纹,电脑屏幕出现条纹,教您电脑屏幕出现条纹怎么办
- jmeter性能测试从零基础到精通
- Flink on Yarn HA模式部署
- 关于SIGSEGV错误及处理方法
热门文章
- 示波器上X10档与X1档的区别
- 网络变压器厂家不传之秘:10G网络滤波器不能消除的噪音是哪些?
- leetcode827. 最大人工岛 - 垃圾代码,毫无优化
- 索尼a7c语言没有英语,聊聊索尼A7C全副微单 不知你怎么看?
- SparkFun ATMEGA32U4 Breakout 编译流程
- stata进行logistic回归内部验证和外部验证
- 突破!我国首片自主研发的8.5代TFT-LCD玻璃基板下线
- Mac M1:zsh command not found ll
- 第11章 WebShell检测
- 微信小程序 判断手机机型,iPhone X及以上机型留出底部空白