详解准确率acc、精确率p、准确率acc、F1 score

准确率 Accuracy：

模型预测正确的比例；总样本中预测对的概率；所有样本中实际是正例的占比；正确预测的样本数与总样本数之比。

准确率 =（真正例+真负例）/(真正例+真负例+假正例+假负例)。

精确率 Precision：

又叫查准率，表示预测为正的样本中，有多少是真正的真样本（找得对）；即真正例（True Positive）与预测为正的样本数之比。

精确率 = 真正例/(真正例+假正例)

召回率 Recall：

表示样本中的正例被预测正确了（找得全）；正例占预测对的占比；预测结果正确的样本中，有多少是真正的真样本；即真正例（True Positive）与实际为正的样本数之比。

召回率 = 真正例/(真正例+假负例)

F1 Score：

既能体现精确率又能体现召回率，是精确率和召回率的调和平均数。

F1 = 2*精确率*召回率/(精确率+召回率)

精确率和召回率的关系：

精确率和召回率其实就是分母的不同，精确率是针对预测为正的结果，召回率是针对实际为正的结果。

计算公式总结：

准确率acc：accuracy = (TP+TN)/(TP+TN+FP+FN)

精确率p：precision = TP/(TP+FP)

召回率rec：recall = TP/(TP+FN)

F1 Score：F1=2 * Precision * Recall / (Precision + Recall)

计算公式的理解：

TP+FP+TN+FN：所有样本数；

TP+TN：预测结果是对的；

TP+FP：预测为正的；

TP+FN：实际为正的；

说到这，就不得不提混淆矩阵了，能帮助我们理解和记忆以上评估模型的几个指标：

混淆矩阵		预测结果
混淆矩阵		1-Positive	0-Negative
真实情况	1-Positive	TP	FN
真实情况	0-Negative	FP	TN

真正例（True Positive）：模型预测为正，且实际也为正的样本数。（预测结果是对的）

假正例（False Positive）：模型预测为正，但实际为负的样本数。（预测结果是错的）

假负例（False Negative）：模型预测为负，但实际为正的样本数。（预测结果是错的）

真负例（True Negative）：模型预测为负，且实际也为负的样本数。（预测结果是对的）

T：True的首字母，表示预测结果是正确的；

F：False的首字母，表示预测结果是错误的；

P：Positive的首字母，预测是正样本；

N：Negative的首字母，预测是负样本；

补充：

样本不平衡时，评价模型的方法用ROC或AUC；平衡数据，用准确率accuracy。

详解准确率acc、精确率p、准确率acc、F1 score相关推荐

详解准确率、精确率、召回率、F1值的含义
机器学习问题之中,通常需要建立模型来解决具体问题,但对于模型的好坏,也就是模型的泛化能力,如何进行评估呢? 很简单,我们可以定一些评价指标,来度量模型的优劣.比如准确率.精确率.召回率.F1值.ROC ...
【机器学习】准确率(Accuracy), 精确率(Precision), 召回率(Recall)和F1-Measure
在机器学习.数据挖掘.推荐系统完成建模之后,需要对模型的效果做评价. 业内目前常常采用的评价指标有准确率(Precision).召回率(Recall).F值(F-Measure)等,下图是不同机器学习 ...
机器学习分类模型中的评价指标介绍：准确率、精确率、召回率、ROC曲线
文章来源:https://blog.csdn.net/wf592523813/article/details/95202448 1 二分类评价指标准确率,精确率,召回率,F1-Score, AUC, ...
机器学习算法中的准确率、精确率、召回率和F值
机器学习算法中的准确率.精确率.召回率和F值:https://www.jianshu.com/p/d400a821ef3d
python垃圾分类准确率计算公式_准确率(Accuracy), 精确率(Precision), 召回率(Recall)和F1-Measure...
机器学习(ML),自然语言处理(NLP),信息检索(IR)等领域,评估(Evaluation)是一个必要的工作,而其评价指标往往有如下几点:准确率(Accuracy),精确率(Precision), ...
准确率、精确率、召回率、F值
准确率:正确的数量除以总数量准确率(accuracy),是一个用来衡量分类器预测结果与真实结果差异的一个指标,越接近于1说明分类结果越准确.举个例子,比如现在有一个猫狗图片分类器对100张图片进行分 ...
一文详尽混淆矩阵、准确率、精确率、召回率、F1值、P-R 曲线、ROC 曲线、AUC 值、Micro-F1 和 Macro-F1
文章目录二分类的评价指标一.混淆矩阵与 TP.TN.FP.FN 二.准确率.精确率.召回率.F1值三.P-R 曲线四.ROC 曲线.AUC 值五.P-R曲线和ROC曲线有什么区别,如何选择? ...
通俗解释机器学习中的召回率、精确率、准确率
赶时间的同学们看这里:提升精确率是为了不错报.提升召回率是为了不漏报网络上很多地方分不清准确率和精确率,在这里先正确区分一下精确率和准确率,以及他们的别称切入正题很多人分不清召回率和精确率的区别 ...
准确率、精确率、召回率、F1-score
准确率.精确率.召回率.F1-score 概念理解准确率(accuracy) 精确率(也叫查准率,precision) 召回率(也叫查全率,recall) F1-score 概念理解 TP(True ...
机器学习算法衡量指标——准确率、精确率（查准率）、召回率（查全率）
机器学习算法衡量指标在分类问题中,将机器学习模型的预测与实际情况进行比对后,结果可以分为四种:TP.TN.FN.FP.每个的第一个字母:T/F,代表预测结果是否符合事实,模型猜得对不对,True o ...

详解准确率acc、精确率p、准确率acc、F1 score

详解准确率acc、精确率p、准确率acc、F1 score相关推荐

最新文章

热门文章