准度、精度傻傻分不清？

最新推荐文章于 2024-04-29 22:44:55 发布

DP29syM41zyGndVF

最新推荐文章于 2024-04-29 22:44:55 发布

阅读量1k

点赞数

文章标签：机器学习数据分析编程语言 xhtml 人工智能

[导读] 做电子产品，常常遇到测量。此时就难免会关注到精度、准度等概念，遇到不少朋友对这两个概念不清楚，今天就来分享一下这两个概念。

为什么写本文，前面写过些ADC方面的文章，遇到有朋友貌似对这两个概念理解不深，所以整理分享一下。

在英文中，准确度用Accuracy来表示，其真实描述的含义是什么呢？是指测量值或者观测值接近期望值或者理论值的接近程度。因此通常用误差百分比来描述准确度，这句话深入理解，从量纲的角度而言是一个百分比：

其实这个式子还可以这样描述：

为便于理清楚概念，个人以为其实这个概念中文称为真实度或许更为贴切，否则引入ISO的定义时就发现两个混淆在一起了。

所以这里有一个概念绝对误差，所谓绝对误差就是拿测量值减去期望值再求绝对值。因此，真实度反应系统的一种测量水平，它是对系统误差的描述，是对统计偏差的一种度量。低准确度会导致测量结果与“真实”值之间存在差异。ISO称之为真实性。(事实上并不存在绝对的理想的真实值，所以常常用期望值来描述)

那么什么又是系统误差呢？什么又是随机误差呢？

真实度，有的又称观察误差（或测量误差）是一个量的测量值与其真实值之间的差。在统计数据中，误差不是指"错误"。

真实度，有的又称观察误差（或测量误差）可以分为两个部分来界定：随机误差和系统误差。所谓随机误差是指对同一不恒定的测量对象重复测量时，测量结果的不一致性，具有一定的随机性或偶发性。而系统误差是由系统的固有不准确性引起的，反应系统固有的误差。

从上面描述可以看出精度实则是描述一组测量值的可重复性。可以用标准差来度量：

其中是这堆测量值的平均值，这个好理解所有测量值加起来除以样本数量。

因此不讲人话的描述，精确度是对随机误差的描述，它是测量样本统计变异性的度量。

那么前面介绍了两种概念，或许还不够直观，看看下图或许就可以比较直观理解，其中那条曲线表示的是样本的概率密度。

如果对于数学相关概率密度忘记了，或许上图还是太过于学院派描述，来看看玩飞镖的例子就一幕了然了：

从这幅图就能比较直观的看出什么是真实度，什么是准确度。

说了这么多，究竟有什么意义呢？如果没有应用意义，我觉得没有对于工程人员深究的意义就不大。实际做电子测量类或者涉及到采样时，这两个概念就有理解的价值了。

我们做一个测量或者采样类产品，一定希望能真实的反应被测对象的情况，同时希望这个产品重复度还要好。不希望在不同条件下对同一值测量出的结果分布变化很大。所以ISO对于准确度的定义是结合了两个概念：既要真实也要高精度。

ISO 5725标准定义是准确度是一个测量级别，可以产生真实且一致（无随机误差）测量结果。所谓真实就越接近期望值越真实，又称系统误差越小，所谓无随机误差是指多次测量的结果分布都很集中。

显然ISO定义的准确度，结合了两个概念真实度以及精确度两个概念。

所以理解清楚了上面这两个概念，才能准确的度量所做的产品，当然本文也仅仅就是做了比较简要的介绍，更为好的理解，如有兴趣可以去看看相关的标准的描述。

简而言之，准确度或真实度是指测量值与期望值(理论真值)之间的接近程度，而精确度是则指测量值彼此之间的接近程度(是多个测量值的统计描述)。希望本文的简要分享对大家有所帮助～

免责声明：本文系网络转载，版权归原作者所有。如涉及作品版权问题，请与我们联系，我们将根据您提供的版权证明材料确认版权并支付稿酬或者删除内容。