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。
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 ...
最新文章
- Android获取设备状态栏status bar高度的正确姿势
- Unity网络多玩家游戏开发教程(上册)
- HDU4858 项目管理 其他
- putty network error: connection refused
- sqlserver 日常检查脚本
- Kafka基本概念与术语
- html图片上传阅览并且点击放大
- 华为向emui输入鸿蒙,新颜值/新功能/新体验!EMUI 11上手:手机鸿蒙OS的提前预演...
- 用iTunes管理iPhone
- 最新手机号段归属地数据库 (2019年6月版) 430826行
- java xml生成word文档_java生成word文档
- Android FrameWork(AMS,WMS,PMS等)的概念及解析,获取系统服务
- 如何从零开始学习软件测试
- termux配置python安装kali_安卓用termux安装kali linux教程
- Android之TextView
- 2017全国计算机二级报考,2017年全国计算机等级考试报考须知
- 查网站百度权重的工具
- Idea中使用maven打包出现Cleaning up unclosed ZipFile for archive?
- 产品经理如何破壳成长?
- FullCalendar在月视图中定义日程/事件显示结束时间