[定义] Precision Recall F1 Accuracy


分类任务中,假设原始样本中包含两类:类别1和类别0,即正例和负例


 被分类器判定为正例被分类器判定为负例
真实正例AB
真实负例CD


精确度   (Precision)
P = A/(A+C) ;  反映了被分类器判定的正例中真正的正例样本的比重


召回率   (Recall)
R = A/(A+B) ;  反映了被正确判定的正例占总的正例的比重 


F1
F = 2 *  召回率 *  准确率/ (召回率+准确率)


准确率(Accuracy)
A = (A + D)/(A + B + C + D)   反映了分类器统对整个样本的判定能力——能将正的判定为正,负的判定为负 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值