precision与Recall
precision与Recall
在机器学习中,precision与recall是常用的指标,在说这两个概念之前,首先来说下精度(Precision)与准度(Accuracy)。
Precision指精度,意味着随机误差(Random Error)小,即方差(Variance)小,描述了实际值的扰动情况。
Accuracy指准度,意味着系统误差(System Error)小,即偏差(Bias)小,描述了实际值与真实结果的偏离程度。
准确度高,意味着误差(Error)小,Error = Bias + Variance
在机器学习中,可以将预测分为四种情况
True Positive(TP):预测为正实际为正,预测对了
False Negative(FN): 预测为负实际为正,预测错了
False Positive(FP): 预测为正实际为负,预测错了
True Negative(TN): 预测为负实际为负,预测对了
例如,有60个正样本,40个负样本,系统预测了50个正样本,其中40个是预测正确的正样本;预测了50个负样本,其中30个是预测正确的负样本。TP=40,FP=10;FN=20,TN=30。
定义:
可得上例中:
Precision(精确度) = 40/(40+10)=80%
Recall(召回率) = 40/(40+20)=66.7%;
Accuracy(准确度) = (40+30)/(40+10+30+20) = 70%
F1 Score = 240/(240+10+20) = 72.7%
由此可见:
Precision是预测为正实际为正占预测为正的比例,Precision可以视作是模型找出来的数据的正确能力,Precision=1表示模型找一个对一个,Presicion=0.5表示模型找出2个,能对1个。
Recall是预测为正实际为正占总体正样本的比例,Recall可以视作是模型在数据集中,检测出目标类型数据的能力,即是否把想找出来的都找出来了,Recall=1表示已经把想找出来的数据全部找出来了。
Accuracy是预测为正实际为正和预测为负实际负占总样本的比例。
参考博客:https://www.jianshu.com/p/fd9b1e89f983
precision与Recall相关推荐
- R语言构建混淆矩阵(仿真数据)并基于混淆矩阵(confusion matrix)计算并计算Accuracy、Precision、Recall(sensitivity)、F1、Specificity指标
R语言构建混淆矩阵(仿真数据)并基于混淆矩阵(confusion matrix)计算并计算Accuracy.Precision.Recall(sensitivity).F1.Specificity指标 ...
- R语言构建logistic回归模型并评估模型:计算混淆矩阵、并基于混淆矩阵计算Accuray、Precision、Recall(sensitivity)、F1、Specificity指标
R语言构建logistic回归模型并评估模型:计算混淆矩阵.并基于混淆矩阵计算Accuray.Precision.Recall(sensitivity).F1.Specificity指标 目录
- 对accuracy、precision、recall、F1-score、ROC-AUC、PRC-AUC的一些理解
最近做了一些分类模型,所以打算对分类模型常用的评价指标做一些记录,说一下自己的理解.使用何种评价指标,完全取决于应用场景及数据分析人员关注点,不同评价指标之间并没有优劣之分,只是各指标侧重反映的信息不 ...
- 准确理解 Precision 准确率, Recall 召回率 , IoU
目录 Precision和Recall IOU Precision和Recall 下面是几个常见的模型评价术语,假设我们的分类目标只有两类,计为正例(positive)和负例(negtive)扥别是: ...
- 信息检索的评价指标(Precision、Recall、F-score、MAP、ROC、AUC)
from:https://blog.csdn.net/universe_ant/article/details/70090026 一:Precision.Recall.F-score 信息检索.分类. ...
- 评估指标:ROC,AUC,Precision、Recall、F1-score
一.ROC,AUC ROC(Receiver Operating Characteristic)曲线和AUC常被用来评价一个二值分类器(binary classifier)的优劣 . ROC曲线一般的 ...
- Python 深度学习目标检测评价指标 :mAP、Precision、Recall、AP、IOU等
目标检测评价指标: 准确率 (Accuracy),混淆矩阵 (Confusion Matrix),精确率(Precision),召回率(Recall),平均正确率(AP),mean Average P ...
- Precision和Recall
原文出自:http://blog.csdn.net/wangran51/article/details/7579100 最近一直在做相关推荐方面的研究与应用工作,召回率与准确率这两个概念偶尔会遇到, ...
- AUC、Precision、Recall、F-measure、Accuracy
机器学习常见评价指标:AUC.Precision.Recall.F-measure.Accuracy 主要内容 AUC的计算 Precision.Recall.F-measure.Accuracy的计 ...
- 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 ...
最新文章
- 数据分析之pandas笔记
- 微服务部署:蓝绿部署、滚动部署、灰度发布
- SQL Server中的“描述表”等效什么?
- angular6项目中使用echarts图表的方法(有一个坑,引用报错)
- 安装tensorflow出现的问题
- 关于java的外语文献_java英文参考文献(涵盖3年最新120个)
- 05 Java 求职简历制作
- win10蓝牙开关不见了_来自德国,比JBL更硬汉,这款户外蓝牙音箱,上得厅堂下得厨房...
- 【最新】半小时教你制作出属于自己的QQ机器人【保姆级】
- Hbase支持snappy压缩格式
- html5跳动的心电图,jquery制作心电图跳动特效
- 悠闲时光增强现实之游戏王(Yu-Gi-Oh)
- [转载]耗散结构理论与生住坏灭--开放.平衡.涨落.突变.
- 安利几本好看的书给你
- 从人工智能到物联网……这些公司如何改变农业与食品工业
- hadoop ls命令
- 可以打勾的计划表app?标记完成计划试试这款便签
- Windows 平台安装 MongoDB数据库(检测是否安装成功、启动和关闭MongoDB数据库)
- UVC webcam驱动添加分辨率
- 如何系统学习MySQL数据库?
热门文章
- 雷达指标,应用,抗干扰技术——概述汇总
- OLED显示字符的大小与PCtoLCD2002生成字模
- php微信退款aes,关于微信支付退款req_info字段解密问题
- 基于 MaxCompute+PAI 的用户增长方案实践
- 查看电脑连接过的无线网密码
- 服务器漏洞--永恒之蓝
- 计算机科学与技术选修课方向,计算机与科学专业主要的课程和学习方向是什么?...
- PEAP-MSCHAPV2
- linux gnuplot 教程,图形绘制利器:Gnuplot
- 北航计算机学院教授马帅,北航离散数学大一课件(马帅)指南.pdf