查准率与查全率(precision and recall) 的个人理解
2017-04-10 15:08
295 查看
假设要识别照片中的狗的,在一些照片中,包含12只狗的照片和一些猫的照片。算法识别出有8只狗。在确定的8只狗中,5只实际上是狗(真阳性TP),而其余的是猫(假阳性FP)。该程序的精度为5/8,而其召回率为5/12。
TP:正确地标记为正。
FP:错误地标记为正(即原来是负,标记成正)。
FN:错误地标记为负(即原来是正,标记成负)。
TN:正确地标记为负。
查准率 = 精度 = precision
查全率 = 召回率 = recall
当搜索引擎返回30个页面时,只有20个页是相关的(实际相关),而没有返回另外40个相关页面,其精度为20/30 = 2/3,而召回率为20/60 = 1/3。所以,在这种情况下,精度是“搜索结果有用”,召回率是“结果如何完整”。
商品推荐系统中,为了尽可能地少打扰用户,更希望推荐内容确实是用户感兴趣的,就要提高精度(查准率),在分类时,慎重地预测为+,也就是说,预测成正地比例将减小,即
中 TP+FP变小,分母变小,分子也变小,但是分母变化的更剧烈,所以精度变大。在公式
中,TP变小,分子变小,分母(实际的正类)不变,召回率变小。
在逃犯信息检索系统中,更希望尽可能地少漏掉逃犯,此时,就要提高召回率(查全率),在分类时,尽量多的预测为+,就需要提高预测正类的比例,TP+FP 变大,TP变大,在公式
中 TP变大,分母不变,分子变大,所以召回率变大。在公式
中,分母变大,分子变大,但是分母变化的更剧烈,所以精度变小。
Predicted | |||
Actual | 狗(+) | 猫(-) | |
狗(+) | 5(TP) | FN | 12 |
猫(-) | 3(FP) | TN | |
8 |
Confusion matrix
TP: T 是指标记正确, P 是指实际中的类别是P类, 所以TP:正确地标记为正。
FP:错误地标记为正(即原来是负,标记成正)。
FN:错误地标记为负(即原来是正,标记成负)。
TN:正确地标记为负。
查准率 = 精度 = precision
查全率 = 召回率 = recall
当搜索引擎返回30个页面时,只有20个页是相关的(实际相关),而没有返回另外40个相关页面,其精度为20/30 = 2/3,而召回率为20/60 = 1/3。所以,在这种情况下,精度是“搜索结果有用”,召回率是“结果如何完整”。
Predicted | |||
Actual | (+) | (-) | |
(+) | 20(TP) | 40(FN) | 60 |
(-) | FP | TN | |
30 |
Confusion matrix
商品推荐系统中,为了尽可能地少打扰用户,更希望推荐内容确实是用户感兴趣的,就要提高精度(查准率),在分类时,慎重地预测为+,也就是说,预测成正地比例将减小,即
中 TP+FP变小,分母变小,分子也变小,但是分母变化的更剧烈,所以精度变大。在公式
中,TP变小,分子变小,分母(实际的正类)不变,召回率变小。
在逃犯信息检索系统中,更希望尽可能地少漏掉逃犯,此时,就要提高召回率(查全率),在分类时,尽量多的预测为+,就需要提高预测正类的比例,TP+FP 变大,TP变大,在公式
中 TP变大,分母不变,分子变大,所以召回率变大。在公式
中,分母变大,分子变大,但是分母变化的更剧烈,所以精度变小。
相关文章推荐
- 理解准确率(accuracy)、精度(precision)、查全率(recall)、F1
- 深度学习之:查全率(召回率recall)和查准率(精确率precision)
- 查全率(Recall)、查准率(Precision)以及综合评价指标(F1-Measure )
- 检索性能评测标准之recall(查全率),precision(查准率),AR(平均查全率),ANMRR(平均归一化调整后的检索秩)汇总
- 机器学习:查准率(Precision)和查全率(Recall)
- 查全率(Recall)、查准率(Precision)以及综合评价指标(F1-Measure )
- 精确率(准确率、查准率、precision)、召回率(查全率、recall)、RoC曲线、AUC面积、PR曲线
- 评估指标中IoU/precision/recall/tp/fp/fn/tn的个人理解
- 个人对Redis pub/sub机制在实际运用场景的理解
- top-admin_angularJs总结(个人理解,不一定正确)
- 个人理解接口含义
- jvm的个人理解【1】
- 关于KMP的一些个人理解
- JPush极光推送个人理解
- STM32之NVIC个人理解
- 挑战 LCA 学习以及个人理解
- 简单的bochs配置(个人理解)
- 三库(开发库、受控库、静态库)的概念及个人的理解
- 关于colinux tuntap模式的个人理解
- Precision,Recall,F1score,Accuracy的理解