正确率,精确率,召回率.
样本为负被预测为正的应该用FP而不是FN。
这样理解 P 代表目前所有结果显示是 1
N 代表目前所有结果显示是 0
N=negative、P=positive、T=true、F=false。TF是预测为正负,NP为实际正负。
假设我们手上有60个正样本,40个负样本,我们要找出所有的正样本,系统查找出50个,其中只有40个是真正的正样本,计算上述各指标。
TP: 将正类预测为正类数 40 正确的正类
FN: 将正类预测为负类数 20 错误的负类
FP: 将负类预测为正类数 10 错误的正类
TN: 将负类预测为负类数 30 正确的负类
准确率(accuracy) = 预测对的/所有 = (TP+TN)/(TP+FN+FP+TN) = 70% 预测对的占所有的比例
精确率(precision) = TP/(TP+FP) = 80% 分类为正类的中真正的正类的比例
召回率(recall) = TP/(TP+FN) = 2/3 真正正确的正类预测正确的比例
正样本
总共 199
TP 正确的 148个
FN 错的的 52
负样本
总共 200 词
FP 正确的是 44
TN 错误的是 156
正确率 148+156/400 tp+tn/all 0.76
精确率 148/148+44 tp/tp+fp 0.739
召回率 148/148+52 tp/tp+fn 0.74
让正确的尽可能被认为是正确的 这是提高召回率 真正正确的被认为正确
让预测正确的结果中 更少的错的 这是提高精确率 被认为正确的中更多的真正确
那么一个错误的词就是一个正样本
召回率就是你预测为错误词中预测正确的个数除以所有事实上是错误词的个数
准确率就是你预测为错误词中预测正确的个数除以你所有预测为错误词的个数
正确率,精确率,召回率.相关推荐
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
最新文章
- 【青少年编程】【二级】寻找宝石
- 参数构造错误 微信_快速掌握前端开发中的常见错误
- linux 下创建文件的方法
- 【CI/CD2】actions,daocloud
- windows终止处理程序( __try __finally) 简单解析
- Linux下安装Python3.6(可用)
- scrapy猫眼爬虫
- 安卓版的水经注地图_水经注万能地图下载器
- 操作系统学习笔记:文件管理
- 3、T5L迪文屏资源介绍
- 【杂谈】研究生最后一年学习计划
- html5 模仿语音聊天气泡,HTML5实现对话气泡动画方法
- 实验:4级流水线32bits全加器
- Markdown- 常用数学公式
- 明码(十进制转二进制,输出格式)
- 计算机网络实验连接云,云计算机网络实验室, 多媒体数字语音设备
- /etc/profile 和 /etc/profile.d/ 的区别
- [原创]关于搭建企业级应用的AJAX框架
- UVA1626 Brackets sequence
- NORDIC52832 TWI(I2C) 读 写 (1)