如何解释准确率、精确率与召回率？

对于二分类问题，机器预测的和实际的还是会有所偏差，所以我们引入以下几个概念来评价分类器的优良。

首先有关TP、TN、FP、FN的概念。TP与TN都是机器（预测）分类分对了的情况，TP是预测为正类且预测正确，TN是预测为负类且预测正确。FP与FN都是机器（预测）分类分错了的情况，FP是把实际负类分类（预测）成了正类，而FN则是把实际正类分类（预测）成了负类。（T则代表分类正确，F代表分类错误；P代表全体类中实际正类，N代表全体类中实际负类。）

【举例】一个班里有男女生，我们来进行分类，把女生看成正类，男生看成是负类。我们可以用混淆矩阵来描述TP、TN、FP、FN。

混淆矩阵
	相关（Relevant），正类P	无关（NonRelevant），负类N
预测为正类	True Positives（TP，正类判定为正类。即女生判定为女生。）	False Positives（FP，负类判定为正类，即“存伪”。男生判定为女生。）
预测为负类	False Negatives（FN，正类判定为负类，即“去真”。女生判定为男生。）	True Negatives（TN，负类判定为负类。即男生判定为男生。）

明确这三个概念的英文名称：

精确率（Precision），准确率（Accuracy），召回率（Recall）。

1.准确率（Accuracy）。顾名思义，就是所有预测正确的（包括正类和负类）占总的的比例。

2.精确率（Precision），查准率。即正确预测为正类的占全部预测为正类的的比例。个人理解：在所有预测为正类中真正为正类的占所有预测为正类的的比例。

精确率是针对我们预测结果而言的，它表示的是预测为正类的样本中有多少是真正的正类样本。那么预测为正类就有两种可能了，一种就是把正类预测为正类(TP)，另一种就是把负类预测为正类(FP)。

3.召回率（Recall），查全率。即正确预测为正类的占全部实际为正类的的比例。个人理解：在所有预测为正类中真正为正类的占总体实际为正类的的比例。

召回率是针对我们原始样本而言的，它表示的是全体样本中的所有正类样本有多少被预测正确了。也有两种可能，一种是把正类预测为正类(TP)，另一种就是把正类预测为负类(FN)。

对于精确率和召唤率，其实就是分母不同，一个分母是预测为正类的样本数，另一个是原始样本中所有的正类样本数。

精确率和召唤率的区别：

举例：

假设我们手上有60个正样本，40个负样本，我们要找出所有的正样本。系统查找出50个正样本，其中只有40个是真正的正样本，计算上述各指标。

TP：将正类预测为正类的样本数 40
FN：将正类预测为负类的样本数 20
FP：将负类预测为正类的样本数 10
TN：将负类预测为负类的样本数 30

准确率(accuracy) = 预测对的/所有 = (TP+TN)/(TP+FN+FP+TN) = 70%
精确率(precision) = TP/(TP+FP) = 80%
召回率(recall) = TP/(TP+FN) = 2/3

为什么这样起名？

召回率 (Recall)：该类样本有多少被找出来了（召回了多少）。

精确率 (Precision)：你认为的该类样本，有多少猜对了（猜的精确性如何）。

如何解释准确率、精确率与召回率？相关推荐

机器学习面试题集-图解准确率，精确率，召回率
https://www.toutiao.com/a6692359723615781389/ 今天进入第二章:模型评估 1. 什么是模型评估模型训练后要对其进行评估,看模型表现如何,哪里可以改进分类 ...
机器学习错误率、准确率、精确率、召回率
这四个概念之前一直混淆着我,今天好好地梳理一遍,通过一个简单的二分类问题给出各自的解释先给出各自的定义: 错误率:指分类错误的样本数占样本总数的比例,对于样本集D,定位错误率为: 准确率accura ...
python分类预测降低准确率_【火炉炼AI】机器学习011-分类模型的评估：准确率，精确率，召回率，F1值...
[火炉炼AI]机器学习011-分类模型的评估:准确率,精确率,召回率,F1值 (本文所使用的Python库和版本号: Python 3.5, Numpy 1.14, scikit-learn 0.19 ...
【机器学习】准确率(Accuracy), 精确率(Precision), 召回率(Recall)和F1-Measure
在机器学习.数据挖掘.推荐系统完成建模之后,需要对模型的效果做评价. 业内目前常常采用的评价指标有准确率(Precision).召回率(Recall).F值(F-Measure)等,下图是不同机器学习 ...
机器学习分类模型中的评价指标介绍：准确率、精确率、召回率、ROC曲线
文章来源:https://blog.csdn.net/wf592523813/article/details/95202448 1 二分类评价指标准确率,精确率,召回率,F1-Score, AUC, ...
sklearn计算准确率、精确率、召回率、F1 score
目录混淆矩阵准确率精确率召回率 P-R曲线 F1 score 参考资料分类是机器学习中比较常见的任务,对于分类任务常见的评价指标有准确率(Accuracy).精确率(Precision).召 ...
准确率、精确率、召回率、F1值
1.TP.TN.FP.FN 先粘一个官方形式的. 用新冠来举例理解.下方正方形为样本,其中圆的部分认定为检测后是阳性的,其余部分为检测为阴性的(但是现在的情况是检测并不完全准确,有可能检测时阴性,但 ...
混淆矩阵，准确率，精确率，召回率，Roc曲线
参考了统计学习方法,概率论与数理统计,工程线性代数,西瓜书,Machine Learnig with python做的总结,所以不能作为教程,还包含自己用sklearn做的一些对比实验,原文是写在ju ...
机器学习算法中的准确率、精确率、召回率和F值
机器学习算法中的准确率.精确率.召回率和F值:https://www.jianshu.com/p/d400a821ef3d
[机器学习-总结] 什么是准确率, 精确率，召回率和(精确率和召回率的调和平均)
准确率, 精确率,召回率和精确率和召回率的调和平均 1. 背景介绍 2. 准确率(accuracy) 3. 精确率(precision) 4. 召回率(recall,也称为查全率) 5. 精确率和召回 ...

如何解释准确率、精确率与召回率？

如何解释准确率、精确率与召回率？相关推荐

最新文章

热门文章