故障检测、故障识别领域的评价指标

分类问题的评价指标
符号说明：
True Positive(真正,TP)：将正类预测为正类的样本个数
True Negative(真负,TN)：将负类预测为负类的样本个数
False Positive(假正,FP)：将负类预测为正类的样本个数 → 误报
False Negative(假负,FN)：将正类预测为负类的样本个数 → 漏报

1.故障检测（识别是否发生故障）
在故障检测领域，正类为故障样本，负类为正常样本
准确率(accuracy)表示样本被正确分类的比例

精确率(precision)表示预测为故障的样本，被正确识别为故障类别的比例

召回率(recall)表示在所有故障样本中，被正确识别为故障类别的比例

误报率(FPR)表示在所有正常样本中，被错误识别为故障类别的比例

漏检率(FNR)表示在所有故障样本中，被错误识别为正常样本的比例

F1值：精确率和召回率的加权调和平均

2.故障分类（识别哪种故障）
准确率(accuracy)表示样本被正确分类的比例。

故障检测、故障识别领域（分类问题）的性能评价指标相关推荐

分类模型的性能评价指标（Classification Model Performance Evaluation Metric）
二分类模型的预测结果分为四种情况(正类为1,反类为0): TP(True Positive):预测为正类,且预测正确(真实为1,预测也为1) FP(False Positive):预测为正类,但预测错 ...
深度学习在人脸识别领域的应用
Learning Hierarchical Representations for Face Verification with Convolutional Deep Belief Networks ...
语音情感识别领域-论文阅读笔记1：融合语音和文字的句段级别情感识别技术
语音情感识别领域-论文阅读笔记1 Fusion Techniques for Utterance-Level Emotion Recognition Combining Speech and Tran ...
论文翻译：基于深度卷积神经网络的肉鸡粪便识别与分类
Recognition and Classification of Broiler Droppings Based on Deep Convolutional Neural Network 基于深度卷 ...
人脸识别性能评价指标
人脸识别常用的性能评价指标一.什么是F1-score F1分数(F1-score)是分类问题的一个衡量指标.一些多分类问题的机器学习竞赛,常常将F1-score作为最终测评的方法.它是精确率和召回率 ...
NIPS 2018 | 中科院自动化所两篇入选论文：高清真实图像生成领域及GAN研究在人脸识别领域的进展...
[论文一]自动化所在高清真实图像生成领域获得新突破 IntroVAE: Introspective Variational Autoencoders for Photographic Image Sy ...
DeepEye：一个基于深度学习的程序化交易识别与分类方法
DeepEye:一个基于深度学习的程序化交易识别与分类方法徐广斌,张伟上海证券交易所资本市场研究所,上海 200120 上海证券交易所产品创新中心,上海 200120 摘要:基于沪市A股交 ...
分类和目标检测的性能评价指标【转载】
文章目录 1. mAP (mean Avearage Precision) 2. FLOPs (浮点运算数) 3. 模型参数大小对于深度学习的网络模型,希望其速度快, 内存小, 精度高.因此需要量 ...
机器视觉牛人及其相关领域分类科普
机器视觉方向的明星人物介绍简要归类以下进行了简要的归类:可能部分类别有重叠或重复,详见人物介绍和相应网址领域人物编号图像分割 CV1.CV10.CV14.CV18.CV33.CV34 图像图 ...

故障检测、故障识别领域（分类问题）的性能评价指标

这里写自定义目录标题

故障检测、故障识别领域的评价指标

故障检测、故障识别领域（分类问题）的性能评价指标相关推荐

最新文章

热门文章