视频质量检测中的TP、FP、Reacll、Precision

在看论文《Measuring Vedio QoE from Encrypted Traffic》的时候看到TP(True Positives)、FP(False Positives)、Precison、Recall的概念,这属于数据挖掘方面的内容,学习之后特来记录。

首先,下面这个表格可以比较清晰地给出各个情况的名字,也很好记。T:True ,F:False,这个true或者false用于判断预测:若预测为1,实际为1 ,说明这个预测对了,是true的positive,记为TP;若预测为1,实际为0 ,说明这个预测对了,是false的positive,记为FP;以此类推另外两个。


这几个数据之间的比率也具有特定的意义。

True Positive Rate(真正率 , TPR)=TP/(TP+FN),即被正确预测的正样本数目/实际正样本数目。

True Negative Rate(真负率 , TNR)=TN/(TN+FP),即被正确预测的负样本数目/实际负样本数目。

False Positive Rate(假正率, FPR) = FP /(FP + TN),即被预测为正的负样本结果数 /负样本实际数 

False Negative Rate(假负率 , FNR)=FN /(TP + FN),即被预测为负的正样本结果数 / 正样本实际数


Precison=TP/(TP+FP)

Recall=TP/样本总数(此处有疑问,论文与后注参考网站所说不符,此处为论文说法)

此网站说得较详细,可以参考:http://www.fullstackdevel.com/computer-tec/data-mining-machine-learning/501.html

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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