精确率(精准度)，召回率，准确率：机器学习中关于样本和预测的几个概念

2024-05-30 06:47:51

先看一个简单的应用场景：

查询的图片编号为：c1,c2,c3,c9,c0
样本库中的编号为：s1,s2,s3,s4,s5,s6,s7,s8,

实际情况对应为:

c1–s1 , c2–s2 , c3–s3

c9和c0 没有对应

通过模型判定的情况是：

情况A ：查c1 ,模型给出 s1 , —-> 能查到的图片，查到了，—-> 术语 TP
情况B：查c2 ,模型给出 s7 , —-> 能查到的图片，没查到，—-> 术语 FP
情况C ：查c9 ,模型没有输出 —-> 不能查到的图片，没查到 —-> 术语 TN
情况D ：查c0 ,模型给出s8 , —-> 不能查到的图片，查到了—–> 术语 FN

术语的详解 TP/TN/FP/FN （形容样本属性和预测结果的判定）

True Positive (TP): “真正” 指被model预测为正的正样本，即判断为真的正确率
True Negative(TN): “真负” 指被model预测为负的负样本，即判断为假的正确率
False Positive(FP): “假正” 指被模型预测为正的负样本，即误报率
False Negative(FN): “假负” 指被模型预测为负的正样本，即漏报率

理解方式：
1. Positive/Negative是用来形容样本的
以图片查找为例，能在图片中查找到为 Positive（c1,c2,c3），不能查到到为Negative(c9,c0)
2. True/False 是用来形容模型发的预测结果的
以图片查找为例：
- 能在图片中查到，通过模型也查到了，为True，情况A
- 不能在图片中查到，通过模型也没有查到，为True ,情况C
- 能在图片中查到，通过模型却没有查到，为False，情况B
- 不能在图片中查到，通过模型却查到了，为False ,情况D

三个衡量指标

精确率(精准度)（precision）:
P = TP/(TP+FP) 指被分类器判定正例中的正样本的比重。
都是针对正样本，正样本中通过模型判定正确的比例。
在样本中能够查询到图片中，通过模型真的能查询到的比例。

召回率(Recall):
R=TP/(TP+FN) = 1- FN/T 指的是被预测为正例的占总的正例的比重。
通过模型预测为正的结果中，有多少实际为正的比例。

准确率(Accuracy):
A = (TP + TN)/(P+N) = (TP + TN)/(TP + FN + FP + TN); 反映了分类器对整个样本的判定能力。
也就是说能将正的判定为正，负的判定为负占整个样本的比例。

本文同步发行在简书上 https://www.jianshu.com/p/3444f24eea51

精确率(精准度)，召回率，准确率：机器学习中关于样本和预测的几个概念相关推荐

[白话解析] 通过实例来梳理概念：准确率 (Accuracy)、精准率(Precision)、召回率(Recall) 和 F值(F-Measure)
[白话解析] 通过实例来梳理概念 :准确率 (Accuracy).精准率(Precision).召回率(Recall)和F值(F-Measure) 文章目录 [白话解析] 通过实例来梳理概念 :准确率 ...
Python混淆矩阵（confusion_matrix）FP、FN、TP、TN、ROC，FROC，精确率(Precision)，召回率(Recall)，准确率(Accuracy)，F1分数详述与实现
目录一.FP.FN.TP.TN 二.准确率(Accuracy).精确率(Precision).召回率(Recall).F1score 2.1.准确率(Accuracy) 2.2.召回率(Recall ...
FP、FN、TP、TN、精确率(Precision)、召回率(Recall)、准确率(Accuracy)评价指标详述
来自微信公众号:小白CV关注可了解更多CV,ML,DL领域基础/最新知识;如果你觉得小白CV对您有帮助,欢迎点赞/收藏/转发在机器学习领域中,用于评价一个模型的性能有多种指标,其中几项就是FP.FN ...
FP、FN、TP、TN、精确率(Precision)、召回率(Recall)、准确率(Accuracy)是什么意思
在机器学习领域中,用于评价一个模型的性能有多种指标,其中几项就是FP.FN.TP.TN.精确率(Precision).召回率(Recall).准确率(Accuracy).这里我们就对这块内容做一个集中 ...
多分类任务中精确率(Precision)、召回率(Recall)以及准确率(Accuracy)评估指标的计算
1 三个评价指标的意义精确率:在**被识别为正类别的样本(预测分类结果)中,确实为正类别的比例是多少召回率:在所有正类别样本(真实分类结果)**中,被正确识别为正类别的比例是多少? 准确率:在所有 ...
sklearn预测评估指标计算详解：准确率(Accuracy)、精确率(Precision)、召回率(Recall)、F1score
目录前言一.准确率二.精确率三.召回率四.F1-score
精确率(Precision)、召回率(Recall)与F1值
衡量二分类器的评价指标除了准确率(Accuracy)外,还有精确率(Precision).召回率(Recall).F1 值等. 精确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有多少是真正的 ...
机器学习中，什么是预测性维护，常见技术有哪些
本文要点: 学习预测性维护系统(PMS),监控未来的系统故障并提前安排维护时间表探讨如何构建机器学习模型进行系统的预测性维护了解机器学习的处理步骤,如选择模型以及用Auto-Encoder技术去除 ...
机器学习中Batch Size、Iteration和Epoch的概念
机器学习中Batch Size.Iteration和Epoch的概念 Epoch一个epoch指代所有的数据送入网络中完成一次前向计算及反向传播的过程.由于一个epoch常常太大,计算机无法负荷,我们 ...

最新文章

热门文章