看论文时看到评估指标里有很多种accuracy，在中文网站上搜索好像没有关于这两种准确度的对比，所以在这边记录分享一下。

1.instance accuracy和class accuracy

最简单，最容易理解的准确率公式如下：
acc=hitspreds\begin{aligned} acc=\frac{hits}{\text{preds}} \end{aligned} acc=predshits

将预测正确的数量hits 除以参与预测的样本总量preds，得到准确率acc。

instance accuracy

实例准确率将正确预测的总数除以所做预测的总数，而不考虑类别，公式如下：
accmicro =total hits total preds \begin{aligned} a c c_{\text {micro }}=\frac{\text { total hits }}{\text { total preds }} \end{aligned} accmicro = total preds total hits

如果你看的论文没有特别指明是什么准确率，那大概率就是 instance accuracy。

举例：猫狗猪三分类任务，100个猫狗猪的图片参与预测，正确预测（即猪的图片预测为猪，即狗的图片预测为狗，即猫的图片预测为猫）的数量为80张图片，那么 instance accuracy = 80/100 = 80% 。

class accuracy

类准确率分别计算每个类别的准确率（更准确的说法应该是召回率recall），并对所有类的结果进行平均，公式如下：
accmacro =1M∑i=1Macci\begin{aligned} a c c_{\text {macro }}=\frac{1}{M} \sum_{i=1}^{M} a c c_{i} \end{aligned} accmacro =M1i=1∑Macci

acciacc_iacci是类别i的预测准确率，类别总数为 M，结果就是所有类的分别的准确率总和除以类别数。

举例：还是猫狗猪分类任务，猫样本有50张图，狗样本40张图，猪样本10张图，若原本是猫的图片被正确预测为猫的有45张，原本是狗的图片被正确预测为狗的有32张，原本是猪的图片被正确预测为猪的有5张：

acc猫=45/50=0.9acc_猫 =45/50= 0.9acc猫=45/50=0.9
acc狗=32/40=0.8acc_狗 =32/40= 0.8acc狗=32/40=0.8
acc猪=5/10=0.5acc_猪 =5/10 = 0.5acc猪=5/10=0.5

则 class accuracy = (0.9+0.8+0.5) /3 ~= 0.73

为什么要用后者？

精度是一个对类别不平衡非常敏感的指标，而 instance accuracy是一种在计算时使每个类别的重要性相同的方法。

而class accuracy更能体现出类别不平衡带来的影响。

所以也经常可以看到class accuracy是低于 instance accuracy的。

举个极端点的例子，三分类的测试集分别有猫图片90张，狗图片5张，猪图片5张，共计100个测试数据。模型1中，猫预测正确85张，狗和猪全部预测错误，此时网络可以说是完全没有分辨狗和猪的能力，但是 instance accuracy仍然达到了85%；而另一种情况，模型2中，猫预测正确75张，狗和猪全部预测正确，instance accuracy依然是85%；这种情况下我们明显知道后一个模型是好于前一个模型的，所以这种情况下使用class accuracy衡量两者更为公平。

2. overall accuracy和average accuracy

看完第一节这边就很简单了，其实就是上面两种准确率换了个名字而已。
论文里的 OA就是 overall accuracy；mAcc 就是average accuracy或者mean accuracy。

overall accuracy == instance accuracy；
average accuracy == class accuracy；

所以也经常可以看到 mAcc 是低于 OA 的。

class accuracy、 instance accuracy、overall accuracy和average accuracy的区别相关推荐

总体准确率(overall accuracy)、平均准确率(average accuracy)的含义
参考文章: what is the difference between overall accuracy and average accuracy? 平均准确度每个类别的每个准确度的平均值,即:预 ...
分类评价标准之average accuracy(AA)
1.混淆矩阵混淆矩阵其实就是一张表格,比如下面程序通过python sklearn 计算混淆矩阵 from sklearn.metrics import confusion_matrix y_tru ...
class instance java_[Java] Java instanceof 和 Class.isInstance()区别与应用
一.instanceof 关键字 instanceof 关键字用于判断某个实例是否是某个类的实例化对象,形如: String.class instanceofClass"test" ...
[UiAutomator] UiSelector中使用instance与index方法定位控件的区别
在使用UiAutomator写测试用例时,最常用到的就是控件查找操作. 在UiSelector中,有两个定位控件的方法,一个是instance,一个是index.那么这两个方法有什么区别呢? 首先,我 ...
K-Fold Cross Validation
2019独角兽企业重金招聘Python工程师标准>>> 1: K Fold Cross Validation In the previous mission, we learned ...
论文笔记【A Comprehensive Study of Deep Video Action Recognition】
论文链接:A Comprehensive Study of Deep Video Action Recognition 目录 A Comprehensive Study of Deep Video A ...
人脸识别——脸部属性辅助（得分层）
<A Face Recognition Signature Combining Patch-based Features with Soft Facial Attributes> 2018 ...
半监督分类算法_基于同质区和迁移学习的高光谱图像半监督分类
作者信息赵婵娟,周绍光,丁倩,刘丽丽 (河海大学地球科学与工程学院,江苏南京 211100) " [摘要]针对高光谱遥感图像分类中标记样本难获取的问题,提出了一种基于同质区和迁 ...
python kfold交叉验证_Scikit Learn-使用KFold交叉验证的决策树
我对scikit学习/机器学习比较陌生 . 我必须使用Titanic数据集创建决策树,并且需要使用5倍的KFold交叉验证 . 这是我到目前为止所拥有的: cv = KFold(n_splits=5) ...
Eye tracker accuracy and precision
一个研究者的眼动跟踪方案:Yuta Itoh (伊藤勇太) (http://campar.in.tum.de/Main/YutaItoh Fellow at the Chair for Comput ...

class accuracy、 instance accuracy、overall accuracy和average accuracy的区别