Toggle navigation
首页
技术
骑行
羽毛球
资讯
联络我
登录
准确率、精确率、召回率、F1
2023-01-26
ai-metrics
> 本文简单记录 准确率、精确率、召回率、F1 的概念 ## 混淆矩阵 | | | 实际结果 | 实际结果 | | :------: | :-: | :------: | :------: | | | | 1 | 0 | | 预测结果 | 1 | TP | FP | | 预测结果 | 0 | FN | TN | ## 准确率(Accuracy) 预测正确的样本占总样本的比率:(TP + TN) / (TP + TN + FP + FN) 问题:当样本不均衡的情况下,不能作为很好的衡量指标。(比如,当 90% 的样本都为正样本的时候,模型只需要全部预测为正样本,就能得到 90% 的准确率) ## 精确率(Precision) 在预测为正的样本中,实际为正的样本所占比率:TP / (TP + FP) ## 召回率(Recall) 在实际为正的样本中,被预测为正样本所占比率:TP / (TP + FN) ## 实际例子来说明 假设有 10 篇文章,其中 4 篇是想要找的。模型找到了 5 篇,其中只有 3 篇是想要找的。 * Accuracy = (3 + (10 - 5 - (4- 3))) / 10 = 70% * Precision = 3 / 5 = 60% * Recall = 3 / 4 = 75% 以精确率还是准确率来作为衡量指标,需要根据实际的问题来定。 以这次的新冠来说,如果精确率低,表示很多检测为阳性的病人,实际上没有得新冠;如果召回率低,表示很多检测为阴性的人,实际上已经感染了新冠,有扩散风险,所以更加看中召回率这个指标。 ## F1 score 精确率和召回率又叫查准率和查全率。 精确率和召回率是两个互斥的指标,有些情况下,需要同时考虑精确率和召回率两个指标(希望他们都很高),所以引入一个新的指标:f1 score f1 score = 2 * Precision * Recall / (Precision + Recall) ## 参考 * [详解准确率、精确率、召回率、F1值等评价指标的含义](https://cloud.tencent.com/developer/article/1486764)
×
本文为博主原创,如需转载,请注明出处:
http://www.supperxin.com
返回博客列表