深度学习名词解释

评价指标

准确率、精确率、召回率

True Positive(真正，TP)：将正类预测为正类数

True Negative(真负，TN)：将负类预测为负类数

False Positive(假正，FP)：将负类预测为正类数误报 (Type I error)

False Negative(假负，FN)：将正类预测为负类数→漏报 (Type II error)

精确率：是针对我们预测结果而言的，它表示的是预测为正的样本中有多少是真正的正样本。那么预测为正就有两种可能了，一种就是把正类预测为正类(TP)，另一种就是把负类预测为正类(FP)

召回率是针对我们原来的样本而言的，它表示的是样本中的正例有多少被预测正确了。那也有两种可能，一种是把原来的正类预测成正类(TP)，另一种就是把原来的正类预测为负类(FN)。

举例：
TP: 将正类预测为正类数 40
FN: 将正类预测为负类数 20
FP: 将负类预测为正类数 10
TN: 将负类预测为负类数 30
准确率(accuracy) = 预测对的/所有 = (TP+TN)/(TP+FN+FP+TN) = 70%
精确率(precision) = TP/(TP+FP) = 80%
召回率(recall) = TP/(TP+FN) = 2/3

mAP

PR曲线：P，precision，即 准确率 ；R，recall，即 召回率 。以 precision 和 recall 作为 纵、横轴坐标 的二维曲线。
一般来说，precision 和 recall 是 鱼与熊掌 的关系。

AP值：Average Precision，即 平均精确度 。如何衡量一个模型的性能，单纯用 precision 和 recall 都不科学。于是人们想到，把 PR曲线下的面积 当做衡量尺度，于是就有了 AP值 这一概念。这里的 average，等于是对 precision 进行取平均 。

mAP值：Mean Average Precision，即 平均AP值 。是对多个验证集个体求平均AP值 。

训练循环的名词

epoch、 iteration和batchsize

（1）batchsize：每训练训练集取batchsize本训练；
（2）iteration：1iteration等于使用batchsize本训练；
（3）epoch：1epoch等于使用训练集全部本训练；
举例
训练集1000，batchsize=10：
训练完整本集需要：
100 iteration 1 epoch