混淆矩阵中的 精确率 和 召回率 与 置信度 之间有什么关系
True 表示正样本,False 表示负样本,Positive 表示预测为 真,Negative 表示预测为 假 —— 题记
混淆矩阵
假阳性 F P FP FP 在 左下角,假阴性 F N FN FN 在右上角。
精确率
P r e c i s i o n = T P T P + F P \mathrm{Precision} = \frac{TP}{TP+FP} Precision=TP+FPTP
精确率以 Positive 的个数为分母,Positive 表示预测为真的个数, T P TP TP 表示正确预测正样本的个数,所以精确率是建立在预测为真的个数的基础上的,而预测是否为真,可以通过 置信度 进行调整,置信度 越高,预测为真的个数越少,从而提高了准确度。相反,置信度 越低,预测为真的个数越多,精确率降低。由此可见,置信度 与 精确率 成正比,如果要得到高的 精确率,可以设置一个较高的 置信度。
召回率
R e c a l l = T P T P + F N \mathrm{Recall} = \frac{TP}{TP+FN} Recall=TP+FNTP
# T r u e = T P + F N \#\mathrm{True} =TP + FN #True=TP+FN,召回率以正样本数为分母,这是一个客观的存在,所以要提高召回率,只能让预测为真的样本集尽量覆盖到正样本,通过降低 置信度 ,将只要有一丝可能为正的样本预测为真,极端情况下,将 置信度 降低为 0,所有样本预测为真,此时必将覆盖到所有的正样本,从而让召回率达到 1。由此可见,置信度 与 召回率 成反比,置信度 越低,越能够覆盖到正样本,从而提高 召回率。
总结
置信度 与 精确率 成正比,与 召回率 成反比。精确率 的分母是 预测为真的次数,置信度 越高,预测为真的次数越小,进而 精确率 越高。召回率 的分母是客观存在的正样本个数(常数),而分子是将正样本预测为真的次数,所以可以通过调低 置信度,让预测为真的样本尽量覆盖到正样本,进而提高 召回率。
混淆矩阵中的 精确率 和 召回率 与 置信度 之间有什么关系相关推荐
- R语言glm拟合logistic回归模型:模型评估(模型预测概率的分组密度图、混淆矩阵、准确率、精确度、召回率、ROC、AUC)、PRTPlot函数获取logistic模型最优阈值(改变阈值以优化)
R语言glm拟合logistic回归模型:模型评估(模型预测概率的分组密度图.混淆矩阵.Accuray.Precision.Recall.ROC.AUC).PRTPlot函数可视化获取logistic ...
- 深度学习--TensorFlow(5)BP神经网络(混淆矩阵、准确率、精确率、召回率、F值)
目录 一.混淆矩阵 二.准确率 三.召回率 四.精确率 五.综合评估指标 -- F值 一.混淆矩阵 也程误差矩阵,是表示精度评价的一种标准格式,用n行n列的矩阵形式来表示.在机器学习领 ...
- 一文详尽混淆矩阵、准确率、精确率、召回率、F1值、P-R 曲线、ROC 曲线、AUC 值、Micro-F1 和 Macro-F1
文章目录 二分类的评价指标 一.混淆矩阵与 TP.TN.FP.FN 二.准确率.精确率.召回率.F1值 三.P-R 曲线 四.ROC 曲线.AUC 值 五.P-R曲线和ROC曲线有什么区别,如何选择? ...
- 混淆矩阵介绍以及评价指标(准确率,精确率,召回率,特异度,假警报率,G-mean,F1_score,KS值)
混淆矩阵 混淆矩阵(Confusion Matrix),可以理解为就是一张表格.混淆这个名字还是很有内涵的,咳咳. 混淆矩阵是判断分类好坏程度的一种方法.另外还有ROC曲线和AUC曲线. 以分类模型中 ...
- 混淆矩阵、精确率、召回率、F1值、ROC曲线、AUC曲线
假设一个分类器A,分类器A的作用是告诉你一张图片是不是汉堡,我们如果想知道这个分类器的效果到底好不好,如何做? 最简单的方法就是将手机里所有的图片都扔给分类器A看,让分类器告诉我们哪些是汉堡 我们无法 ...
- 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, ...
- Python机器学习:评价分类结果003实现混淆矩阵,精准率和召回率
#实现混淆矩阵,精准率和召回率 import numpy as np from sklearn import datasets digits = datasets.load_digits() X = ...
- 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
最新文章
- js query复习
- 分享一个java对xml,excel,jdbc.properties,读写文件,读写图片等实现(1)
- 如何用javac 和java 编译运行整个Java工程
- SQL语句--INSERT INTO SELECT 语句用法示例
- 修复kali grub引导
- @Html.Action()
- 【算法笔记】重刷PAT 题解合集
- android studio 虚拟机adb.exe已停止工作的处理
- ASP.NET Core 2.1 使用Docker运行
- 【贪心】奶牛晒衣服(ybtoj 贪心-1-1)
- [vue-element] ElementUI使用表格组件时有遇到过问题吗?
- 帆软地址栏传参,实例
- phpcms图片无法上传
- gevent开始学习-第一步
- 手把手教你搭建FastDFS集群(上)
- 飞机大战 雷霆战机 打字小游戏 java小游戏设计(提供源代码下载)
- Windows程序设计之WinAPI详解程序
- Java中的IO流基础(1)
- word中批量修改图片大小的两个方法
- 为什么美篇打不开显示服务器错误,评论为什么打不开