机器学习判别指标:
TP:(真正例)判断为正,实际也是正例,判断结果正确。
TN:(真负例)判断为负,实际也是负例,判断结果正确。
FP:(负正例)判断为正,实际是负例,判断结果错误。
FN:(假负例)判断为负,实际是正例,判断结果错误。
1、正确率(accuracy) 判断正确的样例在所有样本中的占比。
2、错误率(error rate) 判断错误的样例在所有样本中的占比。
3、精度(precision)模型判断为正例的样本中,判断正确的个数占比。
4、召回率(recall):在所有的正例中,判断正确的样本(我判断正例的个数、即召回了多少)。
精度与召回率的区别:分子相同(正确判断正例的个数),精度的分母是所有判断为正例的样本,召回率分母是所有的正例样本(真正的正例)。
5、AP:Average precision(平均精准度),即对PR曲线上的所有precision值求平均。
mAP:每一个类别中所有图片的AP,然后所有类别求平均。mAP@0.5:0.95,即IoU分别从0.5,间隔0.05取值,当IoU取该值时的mAP值。