机器学习---评价指标：Accuracy、Precision、Recall、F-Measure

在介绍指标前必须先了解“混淆矩阵”，其各个元素的介绍如下：

True Positive(真正，TP)：将正类预测为正类数

True Negative(真负，TN)：将负类预测为负类数

False Positive(假正，FP)：将负类预测为正类数误报 (Type I error)

False Negative(假负，FN)：将正类预测为负类数→漏报 (Type II error)

Accuracy最容易理解，指所有样本中被正确分类的样本，包含所有样本类别。数学公式为：

$Accuracy = \frac{TP+TN}{TP+TN+FP+FN}$

Precision与Recall是比较常见的两个衡量分类精确度的参数。Precision是指在所有分类结果为某一类别的样本中，被正确分类

的个数所占比例，而Recall指的是在某一类别的所有样本中被正确分类的样本所占比例。他们的公式分别为：

$Precision = \frac{TP}{TP+FP}$

$Recall = \frac{TP}{TP+FN}$

注：区别这两者的关键是Presion是从分类后的样本角度看的，而Recall是从原始样本角度看的

F-measure（F-score）是Precision与Recall的加权和，因为P与R可能会存在相反的情况，这时F-Measure可以将两者综合，能更有效的评价分类结果，其公式为：

$F-measure = \frac{(\alpha ^{2}+1)(P*R)}{\alpha ^{2}(P+R)}$

当 $\alpha$ 为1是即为熟悉的F1参数：

$F1 = \frac{2*P*R}{(P+R)}$

机器学习---评价指标：Accuracy、Precision、Recall、F-Measure相关推荐

Accuracy, Precision, Recall和F1-score解释
本文解释分类问题常用评价指标Accuracy, Precision, Recall和F1-score 主要参考以下文章多分类模型Accuracy, Precision, Recall和F1-scor ...
机器学习模型常用评价指标（Accuracy, Precision, Recall、F1-score、MSE、RMSE、MAE、R方）
前言众所周知,机器学习分类模型常用评价指标有Accuracy, Precision, Recall和F1-score,而回归模型最常用指标有MAE和RMSE.但是我们真正了解这些评价指标的意义吗? ...
多分类模型Accuracy, Precision, Recall和F1-score的超级无敌深入探讨
https://zhuanlan.zhihu.com/p/147663370?from_voters_page=true 众所周知,机器学习分类模型常用评价指标有Accuracy, Precision ...
目标检测模型的评价指标(Acc, Precision, Recall, AP, mAP, RoI)
目标检测模型的评价指标(Acc, Precision, Recall, AP, mAP, RoI) 对于一个目标检测模型的好坏,总的来说可以从以下三个方面来评估: 分类的精度如何.一般可以用准确度(A ...
算法模型评价详解：confusion matrix Accuracy Precision Recall F1 调和平均加权F1 Micro-F1 Macro-F1 PRC ROC AUC
目录问题定义 confusion matrix Accuracy Precision和Recall和PRC F1和调和平均加权F1 Micro-F1和Macro-F1 ROC和AUC PRC对比R ...
sklearn.metrics —— 混淆矩阵及其绘制、Accuracy/Precision/Recall/F1-score
1. confusion_matrix sklearn 关于 confusion_matrix 混淆矩阵接口的定义十分清楚:sklearn.metrics.confusion_matrix(y_tru ...
机器学习中的precision, recall, accuracy, F值
假设用机器学习方法解决某个二元分类问题,在分析比较不同模型时常看到这些指标. 四个概念:TP,FP,TN,FN TP(True Positive):在判定为positive的样本中,判断正确的数目. ...
机器学习中的precision, recall, accuracy, F值，ROC曲线
参考: 假设用机器学习方法解决某个二元分类问题,在分析比较不同模型时常看到这些指标. 四个概念:TP,FP,TN,FN TP(True Positive):在判定为positive的样本中,判断正确的 ...
【机器学习入门到精通系列】机器学习系统设计（Precision Recall）
文章目录 1 误差分析 2 不对称分类的误差评估 3 查准率和召回率的权衡 1 误差分析 2 不对称分类的误差评估 3 查准率和召回率的权衡
机器学习分类器评价指标详解（Precision, Recall, PR, ROC, AUC等）（一）
为了系统性地理解机器学习模型的不同评价指标及其之间的关系,我们将从其定义出发,探究其物理含义及彼此之间的联系,并从数学上给出相应的公式推导,以方便后续用到时复习理解.由于篇幅较长,因此将其分为两篇,这 ...

机器学习---评价指标：Accuracy、Precision、Recall、F-Measure

机器学习---评价指标：Accuracy、Precision、Recall、F-Measure相关推荐

最新文章

热门文章