准确率和召回率
2017-02-07 18:58
155 查看
作者:jinming
链接:https://www.zhihu.com/question/19645541/answer/145008894
来源:知乎
著作权归作者所有,转载请联系作者获得授权。
最近正好做 男女儿童的分类,举个具体的例子解释一下:
假设 儿童5w, 识别成儿童的有 4w, 识别成 other 的有1w.
other 10w, 识别成other的有8w, 识别成 儿童的有 2w
下面分析儿童的准确率和召回率,那么按照给出的信息分析下面表格:
由于我们现在分析的是儿童的准确率和召回率,所以儿童是正类,other是负类,
所以准确率可以解释为,在 所有判别为儿童的数据中是儿童的 数据的比例:
acc = TP /(TP + FP) = 66.67%
召回率可解释为, 在所有儿童相关的数据中,判别为儿童的 数据的比例:
recall = TP / (TP + FN) = 80%
同样的可以统计 other 的 准确率和召回率, 根据上面表格中详细的解释,可以自己试试。
链接:https://www.zhihu.com/question/19645541/answer/145008894
来源:知乎
著作权归作者所有,转载请联系作者获得授权。
最近正好做 男女儿童的分类,举个具体的例子解释一下:
假设 儿童5w, 识别成儿童的有 4w, 识别成 other 的有1w.
other 10w, 识别成other的有8w, 识别成 儿童的有 2w
下面分析儿童的准确率和召回率,那么按照给出的信息分析下面表格:
………………… | 儿童相关数据 | 儿童不相关数据 |
---|---|---|
检索到儿童 | 是儿童的数据并识别为儿童(正类识别为正类, TP=4w) | 把other识别成儿童(负类识别为正类,FP=2w) |
未检索到儿童 | 是儿童数据却识别为other (正类识别为负类, FN= 1w) | 把other识别为 other (负类识别为负类, TN=8w) |
所以准确率可以解释为,在 所有判别为儿童的数据中是儿童的 数据的比例:
acc = TP /(TP + FP) = 66.67%
召回率可解释为, 在所有儿童相关的数据中,判别为儿童的 数据的比例:
recall = TP / (TP + FN) = 80%
同样的可以统计 other 的 准确率和召回率, 根据上面表格中详细的解释,可以自己试试。
相关文章推荐
- 信息检索(IR)的评价指标介绍 - 准确率、召回率、F1、mAP、ROC、AUC
- 召回率,准确率,f1分析 某大赛1
- 准确率,召回率,F值,ROC,AUC
- 信息检索(IR)的评价指标介绍 - 准确率、召回率、F1、mAP、ROC、AUC
- 模型评价指标——精确率,准确率,召回率,F1值
- 信息检索(IR)的评价指标介绍 - 准确率、召回率、F1、mAP、ROC、AUC
- 推荐系统中准确率和召回率的理解
- 机器学习之-分类性能指标-准确率-召回率-ROC曲线
- 准确率 召回率 F值
- ROC 准确率,召回率 F-measure理解(转载)
- 准确率(Accuracy), 精确率(Precision), 召回率(Recall)和F1-Measure
- 准确率(Accuracy), 精确率(Precision), 召回率(Recall)和F1-Measure
- 准确率,召回率,F值,ROC,AUC
- 信息检索(IR)的评价指标介绍 - 准确率、召回率、F1、mAP、ROC、AUC
- 召回率与准确率
- 准确率召回率
- 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure)
- 召回率与准确率概念
- 准确率与召回率
- 准确率(precision)和召回率(recall)