准确率(Accuracy), 精确率(Precision), 召回率(Recall)和F1-Measure
2017-08-16 15:34
441 查看
基础知识,一定要记清楚。
准确率(accuracy)的定义是: 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。也就是损失函数是0-1损失时测试数据集上的准确率。
TP: true positive 真正例
FP: false positive 假正例
TN: true negative 真反例
FN: false negativa 假反例
精确率(precision)的公式是P=TP/TP+FP,它计算的是所有”正确被检索的item(TP)”占所有”实际被检索到的(TP+FP)”的比例.
召回率(recall)的公式是R=TP/TP+FN,它计算的是所有”正确被检索的item(TP)”占所有”应该检索到的item(TP+FN)”的比例。
参考https://blog.argcv.com/articles/1036.c
准确率(accuracy)的定义是: 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。也就是损失函数是0-1损失时测试数据集上的准确率。
TP: true positive 真正例
FP: false positive 假正例
TN: true negative 真反例
FN: false negativa 假反例
精确率(precision)的公式是P=TP/TP+FP,它计算的是所有”正确被检索的item(TP)”占所有”实际被检索到的(TP+FP)”的比例.
召回率(recall)的公式是R=TP/TP+FN,它计算的是所有”正确被检索的item(TP)”占所有”应该检索到的item(TP+FN)”的比例。
参考https://blog.argcv.com/articles/1036.c
相关文章推荐
- 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(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,confusion matrix
- 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(Accuracy), 精确率(Precision), 召回率(Recall)和F1-Measure
- 【机器学习基础】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(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(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(对于二分类问题)
- 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(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(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(Accuracy), 精确率(Precision), 召回率(Recall)和F1-Measure