NLP任务中的基本指标(precision and recall )
2017-05-16 21:39
489 查看
》》以下内容参考wikipedia。
precision 精确度
recall 召回率
样本数据可看成如下两组:
false negative 伪负例 (FN)
true negative 真负例 (TN)
被算法挑选出的数据可看成如下两组:
true positive 真正例 (TP)
false positive 伪正例 (FP)
计算:
precision = TP/(TP+FP)
recall = TP/FN
即:
注:实际任务中经常使用这两个基本指标的加权组合(即,F-measure,也称F-score),至于权值根据不同任务酌情使用。经常使用的而是两者的调和平均数,即:
补充机器学习分类任务中其他指标:
准确率(accuracy)
其定义是: 对于给定的测试数据集,分类器正确分类的样本数与总样本数之比。
accuracy=TP/(FN+TN)
混淆矩阵(Confusion Matrix)
在机器学习领域,混淆矩阵(confusion matrix),又称为可能性表格或是错误矩阵。
例如:
实际值:8只cat, 6条dog, 13只rabbit
预测值:7只cat, 8条dog, 12只rabbit
则混淆矩阵为:
从上表中能看出:
Cat的召回率(recall): 5/8
Dog的召回率(recall): 3/6
Rabbit 的召回率(recall):11/13
Cat的精确率(precision): 5/7
Dog的精确率(precision): 3/8
Rabbit 的精确率(precision):11/12
上例参考自:http://blog.csdn.net/vesper305/article/details/44927047
对数损失(Log-Loss)
曲线下面积(AUC)
precision 精确度
recall 召回率
样本数据可看成如下两组:
false negative 伪负例 (FN)
true negative 真负例 (TN)
被算法挑选出的数据可看成如下两组:
true positive 真正例 (TP)
false positive 伪正例 (FP)
计算:
precision = TP/(TP+FP)
recall = TP/FN
即:
注:实际任务中经常使用这两个基本指标的加权组合(即,F-measure,也称F-score),至于权值根据不同任务酌情使用。经常使用的而是两者的调和平均数,即:
补充机器学习分类任务中其他指标:
准确率(accuracy)
其定义是: 对于给定的测试数据集,分类器正确分类的样本数与总样本数之比。
accuracy=TP/(FN+TN)
混淆矩阵(Confusion Matrix)
在机器学习领域,混淆矩阵(confusion matrix),又称为可能性表格或是错误矩阵。
例如:
实际值:8只cat, 6条dog, 13只rabbit
预测值:7只cat, 8条dog, 12只rabbit
则混淆矩阵为:
从上表中能看出:
Cat的召回率(recall): 5/8
Dog的召回率(recall): 3/6
Rabbit 的召回率(recall):11/13
Cat的精确率(precision): 5/7
Dog的精确率(precision): 3/8
Rabbit 的精确率(precision):11/12
上例参考自:http://blog.csdn.net/vesper305/article/details/44927047
对数损失(Log-Loss)
曲线下面积(AUC)
相关文章推荐
- 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
- 基础学习笔记——Recall, Precision, and Average Precision
- precision and recall rate
- recall and precision
- Recall(召回率);Precision(准确率);F1-Meature(综合评价指标);true positives;false positives;false negatives..
- 信息检索的评价指标(Precision, Recall, F-score, MAP)
- 基础学习笔记——Recall, Precision, and Average Precision
- 评估指标:Precision、召回率(Recall)、F-Measure、Omega Index等
- Precision and recall From Wiki
- 评估指标:准确率(Precision)、召回率(Recall)以及F值(F-Measure)
- NLP基本任务-nltk_data文本分割
- Recall(召回率);Precision(准确率);F1-Meature(综合评价指标);true positives;false positives;false negatives..
- Precision and recall
- 准确率(Precision)、召回率(Recall)以及综合评价指标(F1-Measure )
- 评估指标:准确率(Precision)、召回率(Recall)以及F值(F-Measure)
- 准确率(Precision)、召回率(Recall)以及综合评价指标(F1-Measure )
- 第二篇Activity:2、任务和返回堆栈(Tasks and Back Stack)之基本介绍
- 信息检索的评价指标:Recall,Precision,AP,MAP,ROC
- precision and recall rate
- 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure)