ROC曲线和PR曲线,AP,mAP

最新推荐文章于 2024-06-09 10:53:10 发布
最新推荐文章于 2024-06-09 10:53:10 发布
阅读量4.5k 收藏 22
点赞数 4
分类专栏： 深度学习 文章标签： ROC曲线 PR曲线 AP mAP
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/hotboyboy/article/details/89138169
版权
本文详细介绍了ROC曲线和PR曲线在两类分类任务中的应用，包括TPR、FPR、Precision和Recall等概念。ROC曲线评估分类器性能，AUC作为衡量标准。PR曲线适用于稀有事件检测，更关注正样本的召回和精度。AP（Average Precision）考虑了结果排序，而mAP是多个类别AP的平均，常用于物体检测性能评估。
摘要由CSDN通过智能技术生成

ROC曲线

对于两类分类任务，y的值可以为1或0，为1时称为正样本（positive），在医学上称为阳，为0时称为负样本（False），在医学上称为阴。
在这里插入图片描述
TP：y的值为1，y^为1，预测值和真值都为1，称为true positive
TN：y的值为0，y^为0，预测值和真值都为0，称为true negtive
FP：y的值为0，y^为1，预测值为1，,真值为0，称为false positive
FN：y的值为1，y^为0，预测值为0，真值都为1，称为false negtive
N+：总样本中正样本的数目
N-：总样本中负样本的数目
N+^：预测结果中有多少预测为正样本的数目
N-^：预测结果中有多少预测为负样本的数目
在这里插入图片描述
Precison=TP/N+^, 精度、准确率：预测结果为真的样本中真正为真的比例
TPR/Recall=TP/N+ 召回率：预测结果召回了多少真正的真样本
真阳率：有多少真正的正样本被预测为真。

最低0.47元/天 解锁文章
Jacky-Liu999
关注
  • 4
    点赞
  • 踩
  • 22
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
用于yolo计算mAP和PR曲线使用
10-19
用于yolo计算mAP和PR曲线使用，里面有4个python文件，分为python2和python3版本
基于Matlab绘制ROC和PR曲线（源码+图片）.rar
04-20
1、资源内容：基于MATLAB绘制ROC和PR曲线（完整源码+说明文档+数据）.rar 2、代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 3、适用对象：计算机，电子信息工程、数学等专业的大学生课程设计...
P-R曲线与mAP
许进进的博客
06-04 6966
reference：http://blog.csdn.NET/marising/article/details/6543943 在信息检索、分类体系中，有一系列的指标，搞清楚这些指标对于评价检索和分类性能非常重要，因此最近根据网友的博客做了一个汇总。 准确率、召回率、F1 信息检索、分类、识别、翻译等领域两个最基本指标是召回率(Recall Rate)和准确率(Precision Rate)，...
PyTorch实战：利用Vision Transformer进行自定义数据集二分类
最新发布
daimakezhan_cn_d的博客
06-09 46
视觉转换器是深度学习领域中流行的转换器之一。在视觉转换器出现之前，我们不得不在计算机视觉中使用卷积神经网络来完成复杂的任务。随着视觉转换器的引入，我们获得了一个更强大的计算机视觉任务模型。在本文中，我们将学习如何将视觉转换器用于图像分类任务。print(
目标检测中PR曲线和mAP
weixin_43869938的博客
10-12 9628
1. 基本概念 （1）交并比 - Intersection Over Union (IOU) 交并比（IOU）是度量两个检测框（对于目标检测来说）的交叠程度，公式如下： B_gt 代表的是目标实际的边框（Ground Truth，GT），B_p 代表的是预测的边框，通过计算这两者的 IOU，可以判断预测的检测框是否符合条件，IOU 用图片展示如下： （2）TP、FP、FN、TN True Positive (TP): IoU>IOUthresholdIOU_{threshold}IOUthre
PR曲线
qq_39114535的博客
03-19 3266
指标 Precision查准率。 Recall查全率。​​​ mAP和IOU以及置信度阈值关系 TP: IoU>0.5的检测框数量（同一Ground Truth只计算一次） FP: IoU<=0.5的检测框，或者是检测到同一个GT的多余检测框的数量 增加置信度阈值，我们会对预测值更有信心，即增加了查准率。但这样会降低查全率。（High Precision, Low Recall） 减小置信度阈值，则模型放过的真例就变少，查全率就增加。（Low Precision, High Recall） 进而
机器学习之---PR曲线和ROC曲线
weixin_39873397的博客
03-18 1053
1.混淆矩阵 对于二分类问题，可将样例根据其真实类别与学习期预测类别的组合划分为真正例(True Positive),假正例(False Positive)，真反例(True Negative)，假反例(False Negative)四种情形，四种情形组成的混淆矩阵如下： 真实值 预测值 正例 负例 正例 TP FN 负例 FP TN 2. ...
main_roc_python_AUC_PR曲线_ROC曲线_
09-29
标题"main_roc_python_AUC_PR曲线_ROC曲线_"和描述中的关键词涉及到的是使用Python语言进行模型评估时的两个关键指标：ROC曲线（Receiver Operating Characteristic Curve）和PR曲线（Precision-Recall Curve），...
利用Python画ROC曲线和AUC值计算
09-21
总结来说，了解并掌握如何利用Python绘制ROC曲线和计算AUC值，对于理解和评估二分类模型的性能至关重要。在机器学习项目中，我们常常使用这些工具来比较不同模型的效果，从而选择最优模型进行部署。同时，优化计算...
roc曲线绘制2.rar
05-07
ROC曲线，全称为Receiver Operating Characteristic曲线，是评估二分类模型性能的重要工具，特别是在机器学习和深度学习领域，如人脸识别中。ROC曲线通过绘制真阳性率（True Positive Rate, TPR）与假阳性率（False ...
信息检索（IR）的评价指标介绍 - 准确率、召回率、F1、mAP、ROC、AUC
wzy的博客
12-19 1万+
reference：http://blog.csdn.NET/marising/article/details/6543943 在信息检索、分类体系中，有一系列的指标，搞清楚这些指标对于评价检索和分类性能非常重要，因此最近根据网友的博客做了一个汇总。 准确率、召回率、F1 信息检索、分类、识别、翻译等领域两个最基本指标是召回率(Recall Rate)和准确率(Precision R
mAP及PR曲线
wanjucan7729的博客
01-14 362
mAP数据
机器学习基础---分类与检测的评价指标---AP，mAP，PR曲线
热门推荐
xys430381_1的专栏
06-04 1万+
AP和mAP是图像分类任务中的评价方法。 AP 首先，AP也是对所有图片内的某一类来说的。 AP的计算方法： 1、首先使用训练好的模型获得所有测试样本的confideutnce score，每个类别（如person、car等）都会获得一组confidence score，假设现在共有20个测试样本，如下给出这20个样本的id、confidence score、真实标签ground truth la...
目标检测评价指标（mAP、P-R曲线、IOU）超好理解
CSSDCC的博客
05-06 1508
目标检测评价指标（mAP、P-R曲线、IOU）一、mAP如何去理解？尝试理解precision准确率（第一列）recall召回率（第一行）P-R曲线二、IOU（交并比） 一、mAP 真实情况 预测为正 预测为反 recall召回率 正 TP FN R = TP / (TP + FN) 反 FP TN precision准确率 P = TP / (TP + FP) 如何去理解？ 这四个字母看着真头晕，就算看博客当时理解了，过一会儿就忘了，所以决定整理一下，用特殊的方法记住他！
目标检测Object Detection下的P-R曲线，AP，mAP，AUC，ROC曲线详解
catscanner的博客
12-22 7822
目录P-R曲线APmAP P-R曲线 上篇文章我们详细说了一下Detection中的Recall和Precision的计算，P-R曲线就是Precision和Recall画出的曲线。 AP mAP
MAP(Mean Average Precision)
青木宫的博客
08-25 801
关于MAP，网上找了很多，都找不到自己需要看的，这篇文章写的不错，转载一下 目录 一、mAP相关概念 1、正例与负例 2、P（精确率） 3、R（召回率） 4、ACC（准确率） 5、AP（平均精确度） 6、示例 二、mAP 1、mAP简介 2、P—R曲线 学习深度学习，总会有各种各样的概念，对于刚入门...
伯努利贝叶斯分类器的应用
MrChen26795的博客
12-15 1145
伯努利贝叶斯分类器的应用   用户对其购买的蚊帐进行评论，该数据集是通过爬虫的方式获得，一共包含10644条评论，数据集中的Type变量为评论者所对应的情绪。首先将爬虫获得的数据集读入Python中，并预览前几行数据，代码如下： # 读入评论数据 evaluation = pd.read_excel('datasource/Contents.xlsx') # 查看数据的前10行,见表1 evaluation.head(10) 如表1所示，数据集包含4个字段，分别为用户昵称、评价时间、评价内容和对应的评
PR(Precision-Recall)曲线和mAP指标
weixin_30834019的博客
10-18 1078
来自： https://www.zhihu.com/question/41540197 https://www.douban.com/note/518998773/ 作者：水哥链接：https://www.zhihu.com/question/41540197/answer/91698989来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 在图像中，...
mAP，PR-curve解释及计算等
以梦为马，不日抵达。
08-31 1746
通过不断调整置信度阈值（就是当这个值越高，我们就越相信它判断得正确）来使我们R有不同的取值，然后再算在这个R下P的值，形成一个PR曲线图。对于yolov5来说NMS的置信度值就是这个值。: 指的是当IOU阈值分别取（0.5:0.05: 0.95）时，所有得出来的mAP取平均值。mean Average Precision，每个类的AP值的平均数。算出P-R曲线下面的面积，就是我们的AP值。：指的是当IOU阈值=0.5时，mAP是多少。IOU越大，则说明预测的位置越准确。预测正确的/所有应该预测正确的。...
ROC曲线和PR曲线区别
07-11
ROC曲线（Receiver Operating Characteristic Curve）和PR曲线（Precision-Recall Curve）是在二分类问题中常用的评估模型性能的工具，它们有一些区别和特点。 1. 目标不同： - ROC曲线关注的是真正例率（True ...
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