如何理解准确率 (Accuracy)、精准率(Precision)、召回率(Recall)和F值(F-Measure)

host
host
host
33
文章
0
评论
2022年4月12日10:50:47如何理解准确率 (Accuracy)、精准率(Precision)、召回率(Recall)和F值(F-Measure)已关闭评论474

 

如何理解准确率 (Accuracy)、精准率(Precision)、召回率(Recall)和F值(F-Measure)

在机器学习中,模型训练之后会有一个评估的标准,常用的评估标准又准确率,精准率,召回率和F值。

首先声明一个概念:如上图

  • TP: 正确识别为正样本
  • TN: 正确识别为负样本
  • FP: 错误识别为正样本
  • FN: 错误识别为负样本

以上:T是True,F为False, P是positive,N是negative

准确率:Accuracy,所有样本预测正确的比例,及预测正确的正负样本 / 预测的总数量 及只要你预测正确了,不管是正样本还是负样本,都算在内。 ACC = (TP+TN) /(TP+TN+FP+FN)。

精准率:Precision,只看预测为正样本的,有多少是真正的正样本。 Precision= TP / (TP+FP)

召回率:Recall(查全率)Recall= TP / (TP+FN)即正确识别为正样本的 / 正确识别为正样本的+错误识别为负样本的

F值:综合评价指标(F-Measure),P和R指标有时候会出现的矛盾的情况,这样就需要综合考虑他们,最常见的方法就是F-Measure(又称为F-Score)。 F-Measure是Precision和Recall加权调和平均:F = (α^2+1)*P*R/α^2(P+R), 当参数α=1时,就是最常见的F1,即F1 = (2*P*R)/(P+R)

host
  • 本文由 发表于 2022年4月12日10:50:47
  • 转载请务必保留本文链接:https://www.zenook.cn/ml/accuracy-precision-recall-f-measure.html
语义分割评价指标:PA, CPA, MPA, IoU, MIoU 机器学习

语义分割评价指标:PA, CPA, MPA, IoU, MIoU

语义分割是像素级别的分类,其常用评价指标: 像素准确率(Pixel Accuracy,PA) 类别像素准确率(Class Pixel Accuray,CPA) 类别平均像素准确率(Mean Pixel...
矢量数据和栅格数据 遥感图像

矢量数据和栅格数据

说起矢量数据要先简单提一提矢量图与位图 矢量图 矢量图又叫向量图。由一些列计算机指令去记录一幅图。向量图将图像解构成点、线、面,记录对象的几何形状、线条粗细以及色彩组成。该类图像的优点是储存量很小,适...
交叉验证(Cross-validation) 机器学习

交叉验证(Cross-validation)

交叉验证是一种用来评价一个统计分析的结果是否可以推广到一个独立的数据集上的技术。主要用于预测,即,想要估计一个预测模型的实际应用中的准确度。它是一种统计学上将数据样本切割成较小子集的实用方法。于是可以...
机器学习与深度学习概念 机器学习

机器学习与深度学习概念

对于很多初入学习人工智能的学习者来说,对人工智能、机器学习、深度学习的概念和区别还不是很了解,那么接下来就给大家从概念和特点上进行阐述。先看下三者的关系。 人工智能(Artificial Intell...