在做图像分类和标注的模型的时候,发现大家对其中一个评价指标P-R曲线图的生成比较疑惑,这里就想跟大家探讨一下我自己的理解。
做过图像分类和图像标注的小伙伴都会晓得下面两个图
一,这个是描述一个分类的P准确率(简单理解就是模型出这个结果会有多少的概率是可以相信这个结果的)和R召回率(就是你放一个这个分类进去模型做预测它出来的结果有多少概率是可以相信的)的计算方式,还有就是F1-scroe的计算方式(也有小伙伴说这只是二分类的计算方式,但是即使你的模型有几千分类,其中一个分类的这些指标,相对于其他分类之间他们也是形成了一个类似二分类的情况)
二,然后很多的书籍或者文章就立刻会介绍,在模型训练完成后从上面的P和R就可以得到下面的P-R曲线图。这使得很多刚刚接触的小伙伴(当然包括我/(ㄒoㄒ)/~~)很是疑惑为什么上面只是一个值,在图片里面顶多是一个点,怎么能得到下面的曲线呢(这个图只是拿来做例子,具体的数据不一定准确。例如当R为0,P应该也为0因为图一中的A已经为0了,现在大量的文章都是这样导致新手们看得痛苦,然后就死在起跑线上了)
就拿上面这个曲线图为例子(虽然不太准确)。x轴R召回率有0,0.2,0.4......1.0。这里就是图一说的A/