准确理解 Precision 准确率, Recall 召回率 , 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：

True positives（TP）：被正确的划分为正例的个数，即实际为正例且被分类器划分为正例的实例数（样本数）
False positives（FP）：被错误地划分为正例的个数，即实际为负例但被分类器划分为正例的实例数
False negatives（FN）：被错误地划分为负例的个数，即实际为正例但被分类器划分为负例的实例数
True negatives（TN）：被正确地划分为负例的个数，即实际为负例且被分类器划分为负例的实例数

P 代表precision即准确率，计算公式为预测样本中实际正样本数 / 所有的正样本数，即precision=TP/(TP+FP)
R 代表recall即召回率，计算公式为预测样本中实际正样本数/预测的样本数，即recall=TP/(TP+FN)=TP/P

一般来说，precision和recall不能同时得到最优值，往往召回率越高，准确率越低；召回率越低，准确率越高；
P- R曲线

P-R曲线即以precision和recall作为纵、横轴坐标的二维曲线，通过选取不同阈值时对应的精度和召回率画出。总体趋势，精度越高，召回越低，当召回达到1时，对应概率分数最低的正样本，这个时候正样本数量除以所有大于等于该阈值的样本数量就是最低的精度值。

另外，P-R曲线围起来的面积就是AP值，通常来说一个越好的分类器，AP值越高。在目标检测中，每一类都可以根据recall和precision绘制P-R曲线，AP就是该曲线下的面积，mAP就是所有类AP的平均值。

IOU

IOU即交并比（intersection-over-union），是目标检测中使用的一个概念，是一种测量在特定数据集中检测对应物体准确度的一个标准。IOU表示了产生的候选框（candidate bound）与原标记框（ground truth bound）的交叠率会着说重叠度，也就是他们的交集与并集的比值。相关度越高该值越高。最理想的情况是完全重叠，即比值为1.

准确理解 Precision 准确率, Recall 召回率 , IoU相关推荐

真阳假阳真阴假阴指标（TP,FP,TN,FN）精度Precision 准确率Accuracy 召回率Recall 总结
检测相关指标(TP,FP,TN,FN)总结表格指标定义公式备注真阳性 (True Positive, TP) 预测为阳性,实际为阳性 - - 假阳性 (False Positive, FP) ...
基于实例数据详解准确率和召回率
摘要:信息检索.分类.识别.翻译等领域两个最基本指标是准确率(precision rate)和召回率(recall rate),准确率也叫查准率,召回率也叫查全率. 本文分享自华为云社区<准确率 ...
目标检测评价标准精准度（precision）、召回率（recall）、准确率（accuracy）、交除并（IoU）【全】
引用文章:目标检测评价标准评价训练效果的值--精准度(precision).召回率(recall).准确率(accuracy).交除并(IoU) TP是正样本预测为正样本 FP是负样本预测为正样本 ...
准确率（Precision）、召回率（Recall）以及综合评价指标（F1-Measure ）
在信息检索和自然语言处理中经常会使用这些参数,下面简单介绍如下: 准确率与召回率(Precision & Recall) 我们先看下面这张图来加深对概念的理解,然后再具体分析.其中,用P代表P ...
精确率（precision）、召回率（recall）、准确率（accuracy）
精确率-查准率--precision:你认为的该类样本,有多少猜对了(猜的准确率如何) 召回率-查全率-recall:该类样本有多少被找出来(召回了多少): 准确率-accuracy:正类和负类预测准 ...
准确率召回率_机器学习tips（四）：精确率（precision）和召回率（recall）
精确率(precision)和召回率(recall) 混淆矩阵 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. F ...
Precision(精确率，正确率)， Recall(召回率，查全率)，Accuracy(准确率)，F-Measure(F值)...
一.指标概念 TP - 将正类预测为正类 FN - 将正类预测为负类, 类似假设检验中的第一类错误,拒真 FP - 将负类预测位正类,类似假设检验中的第二类错误,取伪 TN - 将负类预测位负类假设 ...
机器学习评估指标：准确率（ Accuracy ）、精确率（Precision）、召回率（Recall）、P-R 曲线、均方根误差
在模型评估过程中,分类问题.排序问题.回归问题往往需要使用不同的指标进行评估.在诸多的评估指标中,大部分指标只能片面地反映模型的一部分性能. 如果不能合理地运用评估指标,不仅不能发现模型本身的问题,而 ...
准确率（Accuracy）、精度（Precision）、召回率（Recall）和 mAP 的图解
机器学习的评价指标让人眼花缭乱.以前我写过一篇笔记总结了这个话题,有兴趣的可以参考一下:一分钟看懂深度学习中的准确率(Accuracy).精度(Precision).召回率(Recall)和 mAP. ...

准确理解 Precision 准确率, Recall 召回率 , IoU

目录

Precision和Recall

IOU

准确理解 Precision 准确率, Recall 召回率 , IoU相关推荐

最新文章

热门文章