机器学习指标

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。