recall和precise的区别

2024-05-07 20:31:44

本文转载于：http://www.cnblogs.com/cnkai/p/7755141.html

注：本文是人工智能研究网的学习笔记

Precision和Recall都能够从下面的TP,TN,FP,FN里面计算出来。

几个缩写的含义：

缩写	含义
P	condition positive
N	condition negative
TP	true positive (with hit)
TN	true negative (with correct rejection)
FP	false positive (with false alarm, Type I error)
FN	false negative (with miss, Type II error)

TP：我认为是真的，结果确实是真的
TN：我认为是假的，结果确实是假的
FP：我认为是真的，结果是假的
FN：我认为是假的，结果是真的

T / F: 表名我预测的结果的真假
P / N: 表名我所认为的真还是假

precision和recall的进一步解释

precision和accuracy的区别

简单的来说，给定一组测量点的集合：

精确（precision）：所有的测量点到测量点集合的均值非常接近，与测量点的方差有关。就是说各个点紧密的聚合在一起。

准确（accuracy）：所有的测量点到真实值非常接近。与测量点的偏差有关。

以上两个概念是相互独立的，因此数据点集合可以使accurate的，也可以使precise的，还可以都不是或者都是。

二元分类问题

from sklearn import metrics
y_pred = [0, 1, 0, 0]
y_true = [0, 1, 0, 1]
print(metrics.precision_score(y_true, y_pred))   # 1.0
print(metrics.recall_score(y_true, y_pred))     # 0.5

# beta值越小，表示越看中precision
# beta值越大，表示越看中recall
print(metrics.f1_score(y_true, y_pred)) # 0.666666666667
print(metrics.fbeta_score(y_true, y_pred, beta=0.5)) # 0.833333333333
print(metrics.fbeta_score(y_true, y_pred, beta=1)) # 0.666666666667
print(metrics.fbeta_score(y_true, y_pred, beta=2)) # 0.555555555556

将二元分类指标拓展到多类和或多标签问题中

from sklearn import metrics
y_pred = [0, 1, 2, 0, 1, 2]
y_true = [0, 2, 1, 0, 0, 1]
print(metrics.precision_score(y_true, y_pred, average='macro'))
print(metrics.recall_score(y_true, y_pred, average='micro'))

print(metrics.f1_score(y_true, y_pred, average=‘weighted’))
print(metrics.fbeta_score(y_true, y_pred, beta=0.5, average=‘macro’))
print(metrics.precision_recall_fscore_support(y_true, y_pred, beta=0.5, average=None))

recall和precise的区别相关推荐

EasyPR--开发详解（8）文字定位
今天我们来介绍车牌定位中的一种新方法--文字定位方法(MSER),包括其主要设计思想与实现.接着我们会介绍一下EasyPR v1.5-beta版本中带来的几项改动. 一. 文字定位法在EasyPR前 ...
车牌识别EasyPR(5)——文字定位
今天我们来介绍车牌定位中的一种新方法--文字定位方法(MSER),包括其主要设计思想与实现.接着我们会介绍一下EasyPR v1.5-beta版本中带来的几项改动. 一.文字定位法在EasyPR前面 ...
（六十二）基于logistic回归的信用评级和分类模型评估
案例数据介绍本案例中的企业从事个人汽车金融服务,向购车的个人提供信用贷款.该公司的风控部门根据贷款申请者的基本属性.信贷历史.历史信用情况.贷款标的物的情况等信息构建贷款违约顶测模型,其中是否违约b ...
EasyPR--开发详解（9）文字定位
今天我们来介绍车牌定位中的一种新方法–文字定位方法(MSER),包括其主要设计思想与实现.接着我们会介绍一下EasyPR v1.5-beta版本中带来的几项改动. 一. 文字定位法在EasyPR前面 ...
（二十三：2020.12.14）CVPR 2020 学习（二）《U^2 Net》
<U^2 Net: Going Deeper with Nested U-Structure for Salient Object Detection><借助嵌套U型结构深入研究显着 ...
Accuracy and precision 意义
前言在做数据分析时常常用到两个概念:精度(Precision)和准确度(Accuracy).这两个词可以在口语中作为同义词使用,但它们在科学方法背景下是完全不同的.其具体意义是怎样的,在科学研究中需 ...
目标检测模型的评价指标 mAP
在使用机器学习解决实际问题时,通常有很多模型可用.每个模型都有自己的怪癖(quirks),并且基于各种因素,性能会有所不同. 模型性能的评定都是在某个数据集上进行的,通常这个数据集被称为 " ...
JData数据处理及高潜用户购买意向预测
竞赛概述: 本次大赛以京东商城真实的用户.商品和行为数据(脱敏后)为基础,参赛队伍需要通过数据挖掘的技术和机器学习的算法,构建用户购买商品的预测模型,输出高潜用户和目标商品的匹配结果,为精准营销提供高 ...
Jdata大数据竞赛总结
竞赛概述: 本次大赛以京东商城真实的用户.商品和行为数据(脱敏后)为基础,参赛队伍需要通过数据挖掘的技术和机器学习的算法,构建用户购买商品的预测模型,输出高潜用户和目标商品的匹配结果,为精准营销提供高 ...

最新文章

热门文章