什么是精确率、召回率、F1?
什么是精确率、召回率、F1?
- TP、FP、FN、TN
- 精确率 & 召回率(Precision & Recall)
- F1-Score
TP、FP、FN、TN
先搞清楚,TP、FP、FN、TN这四个值的意思,用官方的话来讲:
名称 | 意思 |
---|---|
TP(True positive) | 真正例,将正类正确预测为正类数 |
FP(False positive) | 假正例,将负类错误预测为正类数 |
FN(False negative) | 假负例,将正类错误预测为负类数 |
TN(True negative) | 真负例,将负类正确预测为负类数 |
用人话来讲:
- TP 正确的检测 (标注了并检测到)
- FP 误检 (没标注但是检测到了)
- FN 漏检(标注了但是没检测到)
精确率 & 召回率(Precision & Recall)
精确率体现的是在所有预测出的样本中,有多少是被正确预测的。
P = ( T P T P + F P ) P= (\frac {TP}{TP + FP} ) \quad P=(TP+FPTP)
召回率是针对原先实际样本而言,有多少样本本准确预测。
R = ( T P T P + F N ) R= (\frac {TP}{TP + FN} ) \quad R=(TP+FNTP)
F1-Score
F1分数是统计学中用来衡量二分类模型精确度的一种指标。它同时兼顾了分类模型的精确率和召回率。
F1分数可以看作是模型精确率和召回率的一种加权平均,最大值为1,最小为0。
F 1 = 2 ∗ ( P ∗ R P + R ) F_1= 2*(\frac {P * R}{P+R} ) \quad F1=2∗(P+RP∗R)
什么是精确率、召回率、F1?相关推荐
- 精度,精确率,召回率_了解并记住精度和召回率
精度,精确率,召回率 Hello folks, greetings. So, maybe you are thinking what's so hard in precision and recall ...
- 机器学习(15)精确率召回率F1-score(查看癌症预测结果的精确率、召回率)
目录 一.基础理论 1.混淆矩阵 2.精确率 3.召回率 4.F1-score 二.查看癌症预测结果的精确率.召回率 API 查看癌症预测结果的精确率.召回率 总代码 一.基础理论 1.混淆矩阵 预测 ...
- 【机器学习入门】(13) 实战:心脏病预测,补充: ROC曲线、精确率--召回率曲线,附python完整代码和数据集
各位同学好,经过前几章python机器学习的探索,想必大家对各种预测方法也有了一定的认识.今天我们来进行一次实战,心脏病病例预测,本文对一些基础方法就不进行详细解释,有疑问的同学可以看我前几篇机器学习 ...
- 图像分类 图像分割的评价指标(混淆矩阵 正确率 精准率 召回率 F1分数 IOU dice系数)
在图像分类或者图像分割中,为评价模型的预测效果,在训练过程中通常需要比较预测值与真实标签值的差距,即误差. 目录 图像分类过程的评价指标 混淆矩阵 正确率/准确率 精准率 召回率 F1分数 图像分割过 ...
- 机器学习中精准率/召回率/PR曲线/AUC-ROC曲线等概念
目录 TP/TN/FP/FN accuracy(准确率) precision(精确率/查准率) recall(召回率/查全率) F1分数与Fβ分数 PR曲线(precision recall curv ...
- 分类算法的评价指标-混淆矩阵,精准率召回率,pr曲线,roc曲线等
文章目录 前言 一.混淆矩阵(confusion matrix)? 二.精准率和召回率 1.精准率 2.召回率 3.自己实现精准率和召回率以及混淆矩阵 4.sklearn中的精准率召回率以及混淆矩阵 ...
- 算法评价指标:准确率+精准率+召回率
评价指标: (1)(True Postive TP): 若一个实例是正类,但是被预测成为正类,即为真正类 (2)(True Negative TN): 若一个实例是负类,但是被预测成为负类,即为真负类 ...
- 全面梳理:准确率,精确率,召回率,查准率,查全率,假阳性,真阳性,PRC,ROC,AUC,F1
二分类问题的结果有四种: 逻辑在于,你的预测是positive-1和negative-0,true和false描述你本次预测的对错 true positive-TP:预测为1,预测正确即实际1 fal ...
- 精确率/召回率/准确率
TP: Ture Positive 把正的判断为正的数目 True Positive,判断正确,且判为了正,即正的预测为正的. FN: False Negative 把正的错判为负的数目 False ...
- 机器学习工程实例 垃圾邮件过滤系统 数据预处理 训练模型 交叉验证 精准率召回率计算 步骤详细解析
本博客所有内容均整理自<Hands-On Machine Learning with Scikit-Learn & TensorFlow>一书及其GitHub源码. 看<Ha ...
最新文章
- win7加入域的脚本
- 将字符串转换为DateTime
- 【设计模式】装饰者模式
- JS中回调函数的写法
- 链表题目---6 复制带随机指针的链表
- Free Code Camp现在有本地组
- 前端学习(2422):回顾
- 牛顿法与拟牛顿法学习笔记
- python标准库使用教程_Python标准库概览
- MATLAB学习笔记(十七)
- Javascript字符串长度返回错误的原因
- 集合类型及其操作(复习)
- 查看服务器的性能和使用状态(top,free,df)
- 安卓开发 登录用户信息缓存_Firefox 将向用户警告被泄露的登录信息
- liunx grep sed
- c# 超时时间已到.在操作完成之前超时时间已过或服务器未响应,超时过期了。在操作完成或服务器没有响应之前经过的超时时间。声明已被终止...
- PFC离散元软件快捷操作方式
- linux的通配符有哪些,Linux通配符
- 计算机的颜色英语怎么说,颜色的英文是什么怎么说
- 关于fcitx无法切换输入法的问题解决