召回率(rec),准确率(acc),精确率(pre),F1值
这几天在看有关ABSA论文的代码,而代码跑出来的结果除了有输出loss的值以外还有一个acc的值和一个F1的值。查看了网上对于一些博客以后,对于模型的这三个评价指标有了一个新的认识,因此在这里我写出了自己的认识。
1.混淆矩阵
提到召回率,准确率,精确率和F1值,我就不得不提一下什么叫做混淆矩阵。
混淆矩阵说简单一点就是一个矩阵。一个什么样的矩阵呢?一个关于预测值和真实值得一个矩阵。
(Tips:为了方便理解,下面会以一个二分类问题作为讲解)
这个句子的情感是不是积极的 | 实际值(1:积极,0:不积极) | 预测结果 | 是否正确 |
你是sb啊! | 0 | 1 | × |
你是sb吧! | 0 | 0 | √ |
你是sb吗? | 0 | 0 | √ |
你真棒啊! | 1 | 1 | √ |
你真棒棒! | 1 | 1 | √ |
你可真棒! | 1 | 0 | × |
可以上面是一个关于句子情感的二分类的一个表格。第一列我们可以看到一共有6条句子,第二列则是6条句子所对应的情感,3条句子具有否定的情感,3条句子具有肯定的情感。第三列则是机器对于6条句子情感的判断,最后一列则是判断的正确与否。因此通过上述表格我们便可以做出一个相应的混淆矩阵。
实际:正 | 实际:负 | |
预测:正 | 2 | 1 |
预测:负 | 1 | 2 |
、
我们可以看到:
在表格中对应“预测:正,实际:正”的值为2,它所对应到的句子是“你真棒啊!”和“你真棒棒”这两句,故值为2。
在表格中对应“预测:正,实际:负”的值为1,它所对应到的句子是“你是sb啊!”这一句,故值为1。
在表格中对应“预测:负,实际:正”的值为1,它所对应到的句子是“你可真棒!”这一句,故值为1。
在表格中对应“预测:负,实际:负”的值为2,它所对应到的句子是“你是sb吧!”和“你是sb吗?”这两句,故值为2。
介绍完混淆矩阵后,这里我们还需要介绍另一个概念——TP,FP,TN,FN的概念。
TP:True Positive FP:False Positive TN:True Negative FN:False Negative
Tips:这里的True和False指的是机器预测的正确与否。Positive和Negative指的是机器的预测。
2.召回率(rec)
召回率也叫查全率,旨在找到实际为正的样本中多少被预测为正。
公式:
拿上面的举例来说,这里TP为2,FN为1,所以p=2/(1+2)
3.准确率(acc)
旨在知道总样本中预测对的概率。
公式:
拿上面的举例来说,这里TP为2,TN为2,所以p=(2+2)/6
4.精确率
精确率又叫查准率,旨在预测为正的样本中时间为正的有多少。
公式:
拿上面的举例来说,这里TP为2,FP为1,所以p=2/(1+2)
5.F1值
F1是为了既能体现精确率又能体现召回率的一个评价指标。
公式:
拿上面的举例来说,F1=2/3
召回率(rec),准确率(acc),精确率(pre),F1值相关推荐
- 【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, ...
- 模型评价指标:准确率、精确率、召回率、F1值,混淆矩阵
介绍模型四个评价指标之前,先介绍一下混淆矩阵(Confusion Matrix): 混淆矩阵 (Confusion Matrix) 真实值 正样本(Position) 负样本(Negative) 预测 ...
- 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
- python垃圾分类准确率计算公式_准确率(Accuracy), 精确率(Precision), 召回率(Recall)和F1-Measure...
机器学习(ML),自然语言处理(NLP),信息检索(IR)等领域,评估(Evaluation)是一个必要的 工作,而其评价指标往往有如下几点:准确率(Accuracy),精确率(Precision), ...
- 准确率、精确率、召回率、F值
准确率:正确的数量除以总数量 准确率(accuracy),是一个用来衡量分类器预测结果与真实结果差异的一个指标,越接近于1说明分类结果越准确.举个例子,比如现在有一个猫狗图片分类器对100张图片进行分 ...
- 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? ...
- 简单理解 TP、FN、FT 及 TN和准确率、精确率、召回率 的含义
在机器学习或是其他地方,经常会看到TP.FN.FT 和 TN这几个字符,那到底是什么意思呢? 简单来讲其实就是预测结果的两种情况(正确和错误)和真实结果的两种情况(正的和负的)的两两组合,2*2=4 ...
- 准确率、精确率、召回率、F1-score
准确率.精确率.召回率.F1-score 概念理解 准确率(accuracy) 精确率(也叫查准率,precision) 召回率(也叫查全率,recall) F1-score 概念理解 TP(True ...
最新文章
- Exchange 2007迁移2010时的公用文件夹多个公用树错误
- 网速不给力,我们自己给——MinGW的手动安装与配置
- [做题记录]AtCoder AGC做题记录
- python高级语法-collections模块下几个新序列
- IntelliJ IDEA for Mac如何通过指定的关键字查找/搜索类文件
- 配置cacti 监控squid
- python版本的快速排序
- *福音*阿里云redis5.0.*集群搭建及java代码测试详细(终于不用ruby了)
- Vijos P1975 扫雷游戏【谜题】
- 用R进行meta分析(meta包)
- 百度富文本编辑器修改图片上传尺寸
- 数字图像处理学习总结(1):灰度变换与空间滤波
- 微信小程序播放背景音乐,关闭背景音乐的操作
- android2.3 微信,Android新版微信2.3支持周边朋友查找
- Power Query 自学教程
- 喜马拉雅如何正序播放
- 技术分享 | ClickHouse StarRocks 使用经验分享
- loadrunner的使用步骤(一)
- 又拿下一块屏幕,中景园2.08寸OLED SH1122 带字库芯片 GT30L32S4W
- Intel Quiet System Technology (QST) Support In ...
热门文章
- ubuntu 桌面菜单栏和任务栏程序标题栏都不见了
- 【codeforces 718E】E. Matvey's Birthday
- 如何将本地图片转成图片链接
- VBA批量OCR识别提取身份证照片信息_白描网页版 - 高效准确且免费的OCR文字识别工具...
- IG NZT 安装使用过程中可能遇到的问题解决办法
- win10升级win11后无法被网络邻居发现
- 计算机卡顿是硬盘还是内存条,笔记本电脑升级固态硬盘和内存条方案解析,彻底告别电脑卡顿!...
- fedora dnf 指定安装目录
- pythonocc 等步长平分周长的分割曲线
- Excel工作表忘记密码后取消密码