一分钟掌握精确率与召回率
发布时间
阅读量：
阅读量
学生们学习过机器学习算法后，请参考下图所示的图表来了解精度（precision）与召回率（recall）的计算方法。
由于这里面涉及TP、FN、FP、TN这四项指标,这四项指标由True, False, Positive, Negative四个基本概念构成。例如TP: True Positive,表示识别为正类的对象确实是正类;FN: False Negative,表示识别为负类的对象实际上是正类;FP: False Positive,表示识别为正类的对象实际上是负类;TN: True Negative,表示识别为负类的对象确实是负类。
通过以下公式可以有效记忆这四个指标。比如FP：样本未能正确分类为阳性类别；TN：样本正确分类为阴性类别。
| 样本被 | T（正确地） | 识别为 | P（正例） |
|---|---|---|---|
| F（错误地） | N（负例） |
我们现在已经具备了通过特定的数学模型去记忆这四个指标的能力。我们可以分别记住精准率与召回率的计算方式。
1）精准率、召回率分子全部都是TP；
2）精准率、召回率分母都是两项，且都包含TP，另一项一个为FN
全部评论 (0)
还没有任何评论哟~