分类问题的常用评价指标precision和recall

最新推荐文章于 2024-08-13 16:47:48 发布
最新推荐文章于 2024-08-13 16:47:48 发布
阅读量1.7k 收藏 1
点赞数
分类专栏： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Aha_tiger/article/details/80719814
版权

对于二分类问题常用的评价指标是精确率（precision）以及召回率（recall）。

通常，以关注的类为正类，其他的类为负类。

则在预测的时候会有如下四种情况：

  • TP——将正类预测为正类的数量
  • FN——将正类预测为负类的数量
  • FP——将负类预测为正类的数量
  • TN——将负类预测为负类的数量

精确率定义为：precision=TP/(TP+FP)  

即在预测为正类的结果集中，真的为正类的比例定义为准确率。

召回率定义为：recall=TP/(TP+FN)

即在所有的正类中，被成功预测为正类的数量。

形象一点的例子：假设现在有一大群动物，正类为老虎。现在我们将判别每一只动物的种类。

那么准确率就是：在我们判定为老虎的动物中，precision=真老虎的数量 / 我们认为是老虎的数量。

而召回率就是：我们成功判定的老虎数量 / 所有真老虎的数量

Aha_tiger
关注
专栏目录
precision和recall
佐井白白的微笑
12-05 752
Recall(召回率);Precision（准确率）;F1-Meature（综合评价指标）;首先来个定义： Precision:被检测出来的信息当中 正确的或者相关的（也就是你想要的）信息中所占的比例； Recall：所有正确的信息或者相关的信息(wanted)被检测出来的比例。查了资料都习惯使用四格图来解释,来个易懂的四格图： true positives (纳真) fal
基础学习笔记——Recall, Precision, and Average Precision
MinnieWW的专栏
11-20 8327
以下内容绝大部分内容翻译自： Mu Zhu , Recall, Precision, and Average Precision. Working Paper 2004-09 Department of Statistics & Actuarial Science University of Waterloo.   1. 先介绍一些基础内容和符号说明   C：一个很大item的集合。
Precision和Recall
最新发布
weixin_43455016的博客
08-13 415
和是评估分类模型性能的两个重要指标，它们虽然都与模型的正确性相关，但关注的角度和用途有所不同。
机器学习：查准率(Precision)和查全率(Recall)
热门推荐
Zhang_hongchao的博客
07-14 2万+
类偏斜（skewed classes）情况表现为我们的训练集中有非常多的同一种类的实例，只有很少或没有其他类的实例。  例如我们希望用算法来预测癌症是否是恶性的，在我们的训练集中，只有 0.5%的实例是恶性肿瘤。假设我们编写一个非学习而来的算法，在所有情况下都预测肿瘤是良性的，那 么误差只有 0.5%。然而我们通过训练而得到的神经网络算法却有 1%的误差。这时，误差的大小是不能视为评判算法效果的依...
Precision & Recall
四流工程师
03-03 239
模式识别 & 信息检索领域中的二分类问题中：Precision：识别样本中，相关的样本比例； Recall：相关样本中，识别的样本比例；如：在9只Dog和若干Cat构成的集合中，一个分类器识别出了7只Dog；其中4只识别正确，另外3只为Cat；此时：Precision = 4/7 Recall = 4/9precision & recall 分别于第I类和第II类错误；上例中包含了3个第I类错误
多分类问题中每一类的Precision-Recall Corve曲线以及ROC的Matlab画法
zeroyl的专栏
12-01 9038
转载来自：http://www.zhizhihu.com/html/y2010/2447.html 这两天写论文中，本来设计的是要画这个Precision-Recall Corve的，因为PRC是从信息检索中来的，而且我又做的类似一个检索，所以要画这个图，但是我靠，竟然发现不好画，找了很多资料等。最后也没画好，多么重要好看实用的图啊，可惜了。 今天就花了一点功夫，专门为自己
深度学习分类常见评价指标：accuracy recall precision specificity sensitivity AUC ROC 曲线
qq_38895920的博客
05-22 4114
深度学习分类时常用到以下指标，这里做一个总结： 首先介绍一些指标的定义： (1)若一个实例是正类，但是被预测成为正类，即为真正类(True Postive TP) (2)若一个实例是负类，但是被预测成为负类，即为真负类(True Negative TN) (3)若一个实例是负类，但是被预测成为正类，即为假正类(False Postive FP) (4)若一个实例是正类，但是被预测成为负类，即为假负类(False Negative FN） 这四个部分可以构成一个混淆矩阵： ...
precision和recall评价指标
03-25
A：precision和recall是用于评估二分类模型的常用指标。 Precision指模型预测为positive的样本中，有多少是真正的positive样本，即： $Precision=\frac{TP}{TP+FP}$ 其中，TP表示真正的positive样本数，FP表示被...
深度学习模型评估指标（区分二元分类和多分类 含YOLO源码分析）：accuracy、precision、recall
北溟客的博客
06-25 3176
深度学习模型评估指标：accuracy、precision、recall1. 准确率（accuracy）、精确率（precision）、召回率（recall）1.1基本概念1.2二元分类模型的定义1.3多分类模型的定义1.4举例说明1.5 YOLOv3中recall的计算2. 关于精确率和召回率的关系 1. 准确率（accuracy）、精确率（precision）、召回率（recall） 1.1基本概念 准确率（accuracy）、精确率（precision）、召回率（recall）三个指标的定义是有一定条
推荐系统常用评价指标：NDCG、Recall、Precision、Hit Rate
chadlee
02-20 9085
评价指标 NDCG Normalized Discounted Cumulative Gain(归一化折损累计增益) NDCG用作排序结果的评价指标，评价排序的准确性。 推荐系统通常为某用户返回一个item列表，假设列表长度为K，这时可以用NDCG@K评价该排序列表与用户真实交互列表的差距。 CG （累计增益 Cumulative Gain） CGK=∑i=1Kreli C G_{K}=\sum_{i=1}^{K} r e l_{i} CGK​=i=1∑K​reli​ 考虑一个长度为K的列表，relirel
机器学习模型常用评估指标：Precision（精准率、查准率）和Recall（召回率、查全率）的理解和应用
捡起一束光的博客
10-18 2923
Precision和Recall是矛盾统一的两个指标：为了提高Precision，分类器需要尽量在“很有把握”的时候才把样本当做正样本，但这样往往由于过于保守，会漏掉很多“没有把握的正样本”，导致你的召回率（Recall）降低。
Precision和Recall​
weixin_42035080的博客
09-22 2674
2021-09-22 Precision和Recall 首先，Precision和Recall都是评估正类的，分子都是TP。 Precision: 精确率，也称“查准率”，是基于我们的预测结果的，在我们的预测结果中，与标签相比，正确预测的记为TP，错误预测的记为FP。 Precison = TP / (TP + FP) Recall:召回率，也称“查准率”，是基于原样本中所有正类的，在我们的预测结果中，与标签相比，正确预测的记为TP，没预测出的记为FN（也称漏检，即把原样本中的正类预测为负类）。R.
precision与Recall
lzz555517的博客
08-31 8674
precision与Recall 在机器学习中，precision与recall是常用的指标，在说这两个概念之前，首先来说下精度(Precision)与准度(Accuracy)。 Precision指精度，意味着随机误差(Random Error)小，即方差(Variance)小，描述了实际值的扰动情况。 Accuracy指准度，意味着系统误差(System Error)小，即偏差(Bias)小，描述了实际值与真实结果的偏离程度。 准确度高，意味着误差(Error)小，Error = Bias + Var
Precision/Recall的基本概念
一颗偏执的心
05-09 5436
【Precision/Recall的基本概念】查准率和查全率是信息检索效率评价的两个定量指标，不仅可以用来评价每次检索的准确性和全面性，也是在信息检索系统评价中衡量系统检索性能的重要方面。（1）查准率（Precision ratio，简称为P），是指检出的相关文献数占检出文献总数的百分比。查准率反映检索准确性，其补数就是误检率。查准率＝（检索出的相关信息量/检索出的信息总量）*100%（2）查全率...
通用算法（ML,DL）分类判定指标：召回率 Recall、精确度Precision、准确率Accuracy等
dragon的专栏
03-06 6103
1.当用算法实现某一问题后，如何证明算法有效性？如何证明你的算法比别的算法更优。特别是针对二分类问题，下面介绍一下分类标准。2 标准表示分类正确：True Positive：本来是正样例，分类成正样例。True Negative：本来是负样例，分类成负样例。表示分类错误：False Positive ：本来是负样例，分类成正样例，通常叫误报。False Negative：本来是正样例，分类成负样例，
Precision,Recall,TPR,FPR,ROC,AUC,F1辨析
weixin_34023982的博客
10-04 606
常见统计学习的性能指标 分类结果 对于一个二分类问题，分类结果如下： - - 预测 预测 - - - 1 0 合计 实际 1 True Positive(TP) False Negative(FN) 实际为正 实际 0 False Positive(FP) True Negative(TN) 实际为负 合计 - 预...
精准率 (Precision)
大连赵哥的博客
07-26 358
精准率 (Precision)
理解分类任务评价指标：Accuracy、Precision与Recall
此外，AUC（Area Under the Curve）是另一个常用的评价指标，特别是在二分类问题中，它衡量了模型区分正负样本的能力。高AUC值意味着模型在不同阈值下的表现都较好。 理解并选择合适的评估指标是优化模型性能的关键...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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