机器学习——精确率（精度）、召回率、漏检率的计算方法

两组数据，其中一组叫上部，另一组叫下部。上部249个数据，下部499个数据。上部中每一个都可以在下部中找到与它匹配的，关系是一对一，下部有一些数据是多余的。我现在设计实验，返回249组数据，每组：有前一，前五，前十，前十五四种情况。只看前一的，有173组正确。只看前五，有221个正确。只看前十，有229个正确。只看前十五，有233个正确的。现在要统计它们的精度，召回率，漏检率。

注释：其实这三个名词儿就已经体现出它这个东西了，准确率那肯定就是都是对的，就是检测出来都是对的那些数量总数比；精确就是在它检测出来的数量里，确实是检测对了那些数量和检测出来的数量比。

 

 

 

 

在信息检索领域，精确率和召回率又被称为查准率和查全率，

查准率＝检索出的相关信息量 / 检索出的信息总量
查全率＝检索出的相关信息量 / 系统中的相关信息总量

二.举个栗子
 

假设我们手上有60个正样本，40个负样本，我们要找出所有的正样本，系统查找出50个，其中只有40个是真正的正样本，计算上述各指标。

 

• 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