机器学习——算法常用评价指标

最新推荐文章于 2023-06-11 20:35:31 发布
VIP文章 最新推荐文章于 2023-06-11 20:35:31 发布
阅读量335 收藏
点赞数
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/MarshalK/article/details/118367713
版权

机器学习——算法常用评价指标

一、常用评价指标

错误率： 分类错误的样本数占样本总数的比例
精度： 分类正确的样本数占样本总数的比例,错误率+精度=1
查准率（precision）：算法挑出来的样本中有多少比例是正样本
查全率（recall）： 所有的正样本中有多少比例被算法挑了出来

查准率与查全率是一对矛盾的度量。一般来说，查准率高，查全率就低；查全率高，查准率就高。
而在实际的模型评估中，单用查准率或者查全率来评价模型是不完整的，评价模型时必须用查准率/查全率两个值。一般有三种使用方法：平衡点（Break-Even
Point，BEP）、F1度量、F1度量的一般化形式。
这里只介绍F1度量：F1是基于查准率与查全率的调和平均定义的
在这里插入图片描述
在这里插入图片描述
显然F1越大越好
以《机器学习》西瓜问题为例

  • TP： 正确地标记为正，即算法预测它为好西瓜，这个西瓜真实
最低0.47元/天 解锁文章
君耀
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
机器学习——算法基础中完整代码
01-07
机器学习——算法基础中完整代码
【机器学习】分类算法评估指标全总结(2023最新整理)关键词：准确率Accuracy、精确率Precision、召回率Recall、Micro F1、P-R、ROC、MCC、Cohen‘s kappa
Next_SummerAgain的博客
03-20 1万+
评估指标是针对模型性能优劣的一个定量指标。一种评价指标只能反映模型一部分性能，如果选择的评价指标不合理，那么可能会得出错误的结论，故而应该针对具体的数据、模型选取不同的的评价指标。 针对不同类型的学习任务，我们有不同的评估指标，这里我们来介绍最常见的分类算法的一些评估指标。常用的分类任务评价指标有准确率（Accuracy）、精确率（Precision）、召回率（Recall）、Macro F1、Micro F1、P-R曲线（Precision-Recall Curve）、ROC、AUC、MCC、Cohen
机器学习算法常用指标总结
小白学视觉
08-05 947
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达 机器学习性能评价标准是模型优化的前提，在设计机器学习算法过程中，不同的问题需要用到不同的评价标准，本...
分类算法常用的评价指标
热门推荐
manduner的博客
06-18 1万+
1，评价指标列表 2，基本概念 针对一个二分类问题，即将实例分成正类（positive）或负类（negative），在实际分类中会出现以下四种情况： （1）若一个实例是正类，并且被预测为正类，即为真正类(True Positive TP) （2）若一个实例是正类，但是被预测为负类，即为假负类(False Negative FN) （3）若一个实例是负类，但是被预测为正类，即为假正类(False ...
算法常用评价指标
qq_39754681的博客
11-26 3278
评价指标是针对将相同的数据，输入不同的算法模型，或者输入不同参数的同一种算法模型，而给出这个算法或者参数好坏的定量指标。 在模型评估过程中，往往需要使用多种不同的指标进行评估，在诸多的评价指标中，大部分指标只能片面的反应模型的一部分性能，如果不能合理的运用评估指标，不仅不能发现模型本身的问题，而且会得出错误的结论。 1、名词解释 真正例（True Positive,TP）：预测为真，实际为真 真负...
机器学习——算法基础2 完整代码
01-08
机器学习——算法基础2 完整代码
机器学习—— 贝叶斯算法.pptx
11-28
物流人工智能_机器学习
机器学习常用的评价指标
04-10
深度学习常用的评价指标
机器学习算法项目机器学习算法项目
最新发布
03-03
机器学习算法项目机器学习算法项目机器学习算法项目机器学习算法项目机器学习算法项目机器学习算法项目机器学习算法项目机器学习算法项目机器学习算法项目机器学习算法项目机器学习算法项目机器学习算法项目机器学习...
视觉SLAM基础：算法精度评价指标（ATE、RPE）
3D视觉工坊
05-13 8057
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者：三无马尔布鲁链接：https://zhuanlan.zhihu.com/p/105428199本文转载自知乎，作者已授权，未经...
算法与模型评估：准确率(Accuracy)，精确率(Precision)，召回率(Recall)和综合评价指标(F1-Measure)
Hello！
07-20 1万+
序言 自然语言处理(ML)、机器学习(NLP)、信息检索(IR)等AI领域，评估(evaluation)是一项非常重要的工作，其模型或算法的评价指标往往有如下几点：准确率(Accuracy)，精确率(Precision)，召回率(Recall)和综合评价指标(F1-Measure)。 简单整理，以供参考。 准确率（Accuracy） 准确率(Accuracy)是一个用于评估分类模型的指标。说人话，模型预测正确数量所占总量的比例。 准确率的伪公式： 1准确率（Accuracy） = Number of co
【科研分享】推荐算法指标总结（ACC，Precision，Recall，F1，FPR，TPR，ROC，AUC，MAP，MRR，HR，NDCG...）
JinyuZ1996的博客
03-08 1万+
常用的推荐算法指标解释总结 1. 指标计算的参数（TP，TN，FP，FN） 　　TP：被正确分类的正例（True-Positive），即正例被分成正例的样本。 　　TN：被正确分类的负例（True-Negative），即负例被分成负例的样本。 　　FP：被错误分类的负例（False-Positive），即本来是负例却被分成了正例的样本。 　　FN：被错误分类的正例（False-Negative），即本来是正例却被分成了负例的样本。 2. 预测精准度（Accuracy） 　　即被正确分类的正例和
机器学习分类算法常用评价指标
zdy0_2004的专栏
10-17 6611
https://www.cnblogs.com/asialee/p/9800039.html 1. 准确率，召回率，精确率，F1-score，Fβ，ROC曲线，AUC值 为了评价模型以及在不同研究者之间进行性能比较，需要统一的评价标准。根据数据挖掘理论的一般方法，评价模型预测能力最广泛使用的是二维混淆矩阵（Confusion matrix）（如下表所示）。 二维混淆矩阵 真实类别 ...
【最全的】分类算法的性能度量指标
Amy9_Miss的博客
09-23 2510
机器学习分类算法的评价指标有：混淆矩阵（Confuse Matrix）、准确率（Accuracy）、错误率（ErrorRate）、精准率（Precision）和召回率（Recall）、F1 Score、ROC曲线(Receiver Operating Characteristic Curve)、AUC（Area Under the Curve）、KS曲线、Lift值、P-R曲线 。 接下来对以上这些指标进行一一解释，并给出多分类问题的综合评价指标，如宏平均、微平均、Kappa系数，最后用一个多分类实例来计算
机器学习中常见的评价指标总结
非晚非晚的博客
05-09 1万+
1. 评价指标的种类2. 分类任务的评价指标2.1 分类任务的一些概念（1） 交并率(IoU, Intersection over Union)（2）TP、FP、FN、TN与混淆矩阵2.2 准确率(Accuracy)2.3 精确率与召回率(Precision ， Recall)2.4 F1分数2.5 G分数2.6 AP和mAP2.7 ROC与AUC（1）ROC（2）AUC3. 回归任务的评价指标3.1 MSE3.2 MAE3.3 RMSE
算法基础：排序算法：7个常用的衡量指标
知行合一 止于至善
10-25 2516
时间复杂度和空间复杂度是衡量算法的重要指标，对于排序算法这一特定算法，这篇文章整理了一些常见的基础性的指标，后续将以此为基础进行进一步的解释。
机器学习算法常用评价指标总结
学习 & 分享 ~
11-08 2920
1. 准确率准确率（Accuracy）是指 判断正确的样本数占所有样本数的比例，也就是如其计算式所说的，正确地判断为正样本和正确地判断为负样本的总数，占样本总数的比例。 Acc=TP+TNTP+TN+FP+FN Acc = \frac{TP + TN}{TP + TN + FP + FN} Acc=TP+TN+FP+FNTP+TN​但是单纯正确率高不能代表算法好，尤其是在 正负样本不均衡 的情况下，准确率有很大的误导性。比如说，判断一个病人有没有患癌，10 位病人中只有 1 位是阳性的（也就是患癌的），而分
算法衡量标准
nanoFinder的博客
06-11 1295
算法复杂度
机器学习算法模型评价指标综述
11-10
机器学习算法模型评价指标是评估模型性能的重要指标，常用的评价指标包括准确率、精确率、召回率、F1值、ROC曲线和PR曲线等。其中，准确率是指模型正确预测的样本数占总样本数的比例；精确率是指模型预测为正例的...

“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

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