评估指标查准率和召回率

原创 于 2025-12-14 00:43:26 发布 · 148 阅读 · 0 ·
CC 4.0 BY-SA版权
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。
文章标签：

#python #人工智能

「鸿蒙心迹」“2025・领航者闯关记“主题征文活动 10w+人浏览 459人参与

准确率precision
评估预测的准不准(主要看预测结果)
召回率Recall
评估预测的全不全(主要看金标准)

借用一个例子,在上网搜索文献时,搜到10条结果,其中有5条是相关文献,另外5条是无关文献.
这样,查准率 = 5 / 10 = 50%
后来发现整个网上只有这5条相关文献,
则查全率 = 5 / 5 = 100%
虽然查到的10条文献中只有5条是有用的,查准率很低,可是我们把所有的相关文献都找了出来,查全率很高.
这也从另一方面说明了这两种指标要搭配使用,不能只依赖于其中一种.

每天五分钟机器学习：评估指标之查准率和召回率
huanfeng_AI的博客
10-28 427
偏斜类问题可以看作是数据不平衡的问题，偏斜类情况表现为训练集中有非常多的同一种类的实例，只有很少其他类的实例，这个就是偏斜类问题，那么这种问题会对我们的算法的误差值度量造成什么影响呢？以上就是查准率和召回率的计算方式，对于我们刚才那个总是预测病人肿瘤为良性的非学习算法，其查全率是 0（真阳性个数为0），所以那个算法我们可以通过查全率这个数值评估确定不是一个好的算法。
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 3632
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。
跟我一起学scikit-learn13：查准率和召回率
u011436316的博客
06-04 1212
有时候，模型准确性并不能评价一个算法的好坏。比如针对癌症筛选算法，据统计，普通肿瘤中癌症的概率是0.5%。有个机器学习算法，测试得出的准确率是99.2%，错误率是0.8%。这个算法到底是好还是坏呢？如果努力改进算法，最终得出的准确率是99.5%，错误率是0.5%，模型到底是变好了还是变坏了呢？ 坦白讲，如果单纯从模型准确性的指标上很难判断到底是变好了还是变坏了。因为这个事情的先验概率太低了，假如写...
机器学习（9）误差分析、查准率和召回率
Wilsonlhl的博客
10-10 725
误差分析、查准率和召回率误差分析不对称性分类的误差分析查准率和召回率查准率和召回率的权衡侧重查准率：侧重召回率：查准率和召回率的调和平均数 误差分析 在构建模型时，Andrew Ng教授建议以下步骤： 首先快速构建一个粗糙的模型，不要求精度，并通过交叉检验来测试模型。然后通过学习曲线的方法来查看更多特征、更多数据集是否起作用，即确定构建的模型是否存在高偏差或者高方差的情况。还可以通过误差分析的方式，比如我们在构建完一个垃圾邮件分类模型后，用交叉检验来测试模型，我们重点分析分类错误的邮件特征，并以此来调整模型
信息检索——查全率和查准率
m0_51660523的博客
04-21 4179
在信息检索领域，信息检索系统(Information Retrieval System，IRS)是指根据特定的信息需求而建立起来的一种有关信息搜集、加工、存储和检索的程序化系统，​而在设计与开发IRS（如文献IRS、图书IRS等）时，需要考虑系统在使用过程中的实际效果，因此提出一些指标来体现IRS系统的信息检索效果，本博客将介绍查全率与查准率的概念与计算规则，二者是反映检索效果的重要指标。 ​
如何权衡深度学习中的查全率和查准率
码上飞扬的博客
02-25 1737
在深度学习和机器学习的应用中，评估模型性能的指标有很多，其中查全率（Recall）和查准率（Precision）是两个最为重要且常用的指标。它们分别反映了模型在分类任务中对正类样本的识别能力和对预测结果的准确性。为了更深入地理解这两个指标，本文将分别对查全率和查准率的定义、计算方法以及它们在实际应用中的意义进行详细说明。在深度学习和机器学习应用中，查全率（Recall）和查准率（Precision）是评估模型性能的两个重要指标。理解这两个指标及其相互关系对于构建高效的分类模型至关重要。
【Elasticsearch】Elasticsearch 搜索体验可量化的指标 查准率（精确率）、查全率（召回率）
九师兄
05-16 872
文章目录1.概述1.1 召回率1.2 精确率1.3 表格 1.概述 用户体验是感官反应，但感觉的搜索结果需要量化下。 如何量化？实际本质指标就是：查准率（精确率）、查全率（召回率）。 1.1 召回率 定义：本次搜索结果中包含的相关文档占整个集合中所有相关文档的比率。 衡量检索结果的查全率。 1.2 精确率 定义：本次搜索结果中相关文档所占的比例。 衡量检索结果的查准率。 1.3 表格 具体可以根据混淆矩阵来理解，  相关不相关返回真正例（tp）伪正例（fp）未返回伪反例（fn）真反例（tn） 已
查准率和召回率及其在偏斜类数据上的应用
ShadyPi的IT笔记
01-30 1017
如何通过查准率与召回率衡量模型性能
查准率（precision，也叫精确率）和查全率（recall，也叫召回率）
npk191954的专栏
09-25 4431
比如极端情况下，我们只搜索出了一个结果，且是精确的，那么Precision就是100%，但是Recall就很低；一般来说，Precision就是检索出来的条目（比如：文档、网页等）有多少是精确的，Recall就是所有精确的条目有多少被检索出来了。3. F值 = 精确率 * 召回率 * 2 / (精确率 + 召回率) （F 值即为精确率和召回率的调和平均值）精确率、召回率和 F 值是在鱼龙混杂的环境中，选出目标的重要评价指标。召回率是指检索出的相关文档数和文档库中所有的相关文档数的比率，衡量的是检索系统的。
精选资源
机器学习 之评估指标 召回率，查准率，F1分数(f1值)
01-07
2、查准率：评价模型的正确性 查准率：某一类 预测样本中的预测正确的信息条数/预测样本中所有的信息条数 查准率P = TP/(TP+FP) 不同于正确率 正确率：所有预测正确样本除以所有预测样本 准确率 = （TP+TN）/(TP+FP+...
评价指标怎么评价查准率和召回率的好与坏
12-27
- **使用综合评价指标 F1-Score**：当希望同时衡量查准率和召回率时，可以采用它们之间的调和均值得到F1得分。该分数范围介于0至1之间，越接近1表示性能越好。具体公式为： \[ F_1 = 2 * (\frac{\text{Precision}*\...
javascript 性能优化实战：异步和延迟加载
小伙伴们全都Lucky！
12-11 824
本文探讨JavaScript性能优化中的异步加载与延迟加载技术。异步加载通过async/defer属性或动态创建script元素避免阻塞渲染；延迟加载则利用IntersectionObserver API按需加载非关键资源。二者结合可显著提升性能：异步加载核心脚本确保交互流畅，延迟加载减少初始请求量。实践表明，该方案能降低DOMContentLoaded时间30%以上，减少初始加载量90%，但需注意async脚本的执行顺序问题和延迟加载的回退处理。文中提供了完整的代码实现示例。
深度学习下载包时可能会遇到的问题及解决方案
m0_50481455的博客
12-09 493
若确实下载安装了CUDA ，但是此时输出的CUDA是否可用为否，应该是torch的版本为cpu版本导致，刚刚的下载包的语句如果总是下载的是cpu版本，我们考虑直接去网站下指定包，再进行安装。CUDA Version表示的是驱动支持的最高 CUDA 版本，去官网下载 CUDA ，我这里是12.2，表示下载的版本最大只能是12.2。然后下载包时，比如本地环境是Python3.9，找包下载时候，3.9要下对应cp39的包。下载好后，执行语句安装。
df赋值和.copy的区别（SettingWithCopyWarning）
ranchor666的博客
12-10 739
copy()
Python 语言编码规范
托塔天王的博客
12-11 938
通常， 不应该描述”怎么做”， 除非是一些复杂的算法，文档字符串应该提供足够的信息， 当别人编写代码调用该函数时，他不需要看一行代码，只要看文档字符串就可以了，对于复杂的代码，在代码旁边加注释会比使用文档字符串更有意义。但是，不要使用一个以上的空格，并且在二元运算符的两边使用相同数量的空格。当捕获异常时， 使用as而不要用逗号。3、 关于函数的几个方面应该在特定的小节中进行描述记录， 这几个方面如下文所述，每节应该以一个标题行开始，标题行以冒号结尾，除标题行外， 节的其他内容应被缩进2个空格。
Windows11系统安装Isaac Sim和Isaac Lab记录
最新发布
weixin_65198494的博客
12-13 358
本文介绍了在Windows 11系统上安装IsaacSim和IsaacLab的完整流程。硬件配置为RTX4060显卡、32GB内存，软件环境包括NVIDIA驱动591.44、CUDA12.8、PyTorch2.7.0和Python3.11。安装IsaacSim5.1的主要步骤包括：更新GPU驱动、安装CUDA、创建conda虚拟环境、开启长路径支持、更新pip后安装IsaacSim pip包。IsaacLab安装则需要克隆GitHub仓库，通过安装脚本完成。最后通过运行验证脚本确认安装成功。
Python LangChain 开发问题：ImportError: Unable to import langchain_anthropic.
weixin_52173250的博客
12-12 118
Python LangChain 开发问题：ImportError: Unable to import langchain_anthropic.
医疗影像 AI——从分割到肿瘤生长预测的完整 Pipeline
m0_68275685的博客
12-09 965
本文介绍了一个完整的医疗AI肿瘤分析流程，包括医学影像读取、3D肿瘤分割、体积计算和生长预测。关键技术点：1）使用3D UNet进行肿瘤自动分割；2）基于体素间距计算肿瘤体积；3）采用LSTM和XGBoost模型预测肿瘤生长趋势。该流程可辅助临床决策，但面临数据标准化、标注成本高等挑战。文章提供了可运行的Python代码示例，适合医学影像AI入门学习和科研实践。
Python进阶之路：模块、包与异常处理的实战指南
这家伙很懒，什么都没有留下
12-12 688
"""爬虫基础异常"""pass"""请求相关异常"""pass"""解析相关异常"""pass。
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

打赏作者

裤裤兔

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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