Precision & Recall
2016-03-03 19:58
302 查看
版权声明:本文为博主原创文章,遵循 CC 4.0 by-sa 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/theotherguy/article/details/50791209
定义
模式识别 & 信息检索领域中的二分类问题中,一个分类器的计算效果可以通过如下两个指标进行衡量:
- Precision:识别样本中,相关的样本比例;
- Recall:相关样本中,识别的样本比例;
二者关系如下图所示:
如:在9只Dog和若干Cat构成的集合中,一个分类器识别出了7只Dog;其中4只识别正确,另外3只为Cat;此时:
Precision = 4/7
Recall = 4/9
Type I & Type II Error
如果将零假设定义为: 分类器识别了所有,且仅相关样本; 那么precision & recall 分别对应于第I类和第II类错误;上例中包含了3个第I类错误和5个第二类错误;
相关文章推荐
- Precision and Recall
- recall and precision
- Precision & Recall & F1
- 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure)
- 通用算法(ML,DL)分类判定指标:召回率 Recall、精确度Precision、准确率Accuracy等
- 二分类计算precision,recall,和f值
- Precision和Recall(召回率)
- 推荐系统评测指标--准确率(Precision)和召回率(Recall)、F值(F-Measure)
- 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure)
- 机器学习入门——recall与precision的解释
- Precision和Recall:如何评价保安的能力
- 准确率(Accuracy), 精确率(Precision), 召回率(Recall)和F1-Measure
- 机器学习常见评价指标:AUC、Precision、Recall、F-measure、Accuracy
- 深度学习之:查全率(召回率recall)和查准率(精确率precision)
- 召回率 Recall、精确度Precision、准确率Accuracy、虚警、漏警等分类判定指标
- 准确率(Precision)、召回率(Recall)以及综合评价指标(F1-Measure )
- accuracy、precision、recall、true positives, true negatives, false positives 和 false negatives
- Precision and recall From Wiki
- Precision/Recall和ROC曲线
- 信息检索的评价指标(Precision, Recall, F-score, MAP)