机器学习基础
2023年8月12日小于 1 分钟
理解准确率,精确率,召回率
例子:假设我们手上有60个正样本,40个负样本,我们要找出所有的正样本,系统查找出50个,其中只有40个是真正的正样本,计算上述各指标。那么:
|----60---|----40---| |-20-|-40-|-10-|-30-| | -❌-|-✔️-| -❌-|-✔️-| |-FN-|-TP-|-FP-|-TN-|
- FN:将正类预测为负类数 20(默认预测错误❌)
- TP:将正类预测为正类数 40(预测正确✔️)
- TP + FN 是真正的正样本
- FP:将负类预测为正类数 10(预测错误❌)
- TP + FP 是所有预测的样本
- TN:将负类预测为负类数 30(默认预测正确✔️)
- FP + TN 是真正的负样本
准确率(accuracy),预测对的/所有的,也就是
精确率(precision)),预测对的/所有预测的,也就是
召回率(recall),预测对的/所有对的,也就是
reference
https://zhaokv.com/machine_learning/2016/03/ml-metric.html