PR曲线与F值
2016-10-24 10:40
134 查看
PR曲线与F值
PR曲线与ROC曲线都是评价一个机器学习算法的标准,那么不同点在哪里呢,首先我们还是看下面几个值:- TP(真正) 实际正
- FP(假正) 实际负
- TN(真负) 实际负
- FN(假负) 实际正
与ROC曲线不同的是,PR曲线用(Precision)准确率和(Recall)召回率分别作为横纵坐标。
Precision = TP / (TP + FP)
Recall = TP / (TP + FN)
准确率就是说预测为正例的样本里面有多少真的是正例。
召回率就是说所有的正例里面有多少被我们预测为正例了。
F值 = 1 / (1/Precision + 1/Recall)
如果我们要求按照优先级先提升Precision和Recall其中的一个,应该怎么选呢。那么在我从事的个性化推荐与用户打交道的场景下,应该是提升Precision更好一些,毕竟Precison更高,ctr也会更高一些,用户的感知应该也是不太明显的。
相关文章推荐
- 精确率与召回率,RoC曲线与PR曲线
- PR曲线平滑
- 评价曲线------------ROC和PR
- 精确率与召回率,RoC曲线与PR曲线
- 在目标检测任务中如何计算评价指标-Recall,Precision以及画出PR曲线
- PR曲线和F1、ROC曲线和AUC
- ROC曲线和PR(Precision-Recall)曲线的联系
- ROC曲线和PR曲线
- ROC曲线,PR曲线,F1值和AUC概念解释及举例说明
- 深度探讨机器学习中的ROC和PR曲线
- 精确率与召回率,RoC曲线与PR曲线
- PR曲线 ROC曲线的 计算及绘制
- 浅谈ROC与PR曲线-分类器阈值确定
- 机器学习中的PR曲线和ROC曲线
- 机器学习之类别不平衡问题世界杯足球竞猜源码下载 —— ROC和PR曲线
- 再理解下ROC曲线和PR曲线
- ROC曲线和PR曲线绘制【转】
- 几个易混淆的概念(准确率-召回率,击中率-虚警率,PR曲线和mAP,ROC曲线和AUC)
- 机器学习第七课part2(ROC;AUC;PR曲线)
- ROC曲线和PR(Precision-Recall)曲线的联系