深度学习多种模型评估指标学习(结合yolov5)

前言

感觉自己学习了那么久的深度学习，然而对于模型评估却一直处于迷迷瞪瞪的状态，非常不爽，在加上我看一篇文章的介绍。所以今天我想整理一下。参考文章来源微信公众号—— 机器学习与自然语言处理。

准确率

在介绍下面的评估指标时，先明白以下概念，在多类分类问题中，分类结果一般有4种情况:

(1) 属于类C的样本被正确分类到类C，记这一类样本数为 TP(预测正确)

(2) 不属于类C的样本被错误分类到类C，记这一类样本数为 FP（预测错误）

(3) 属于类别C的样本被错误分类到类C的其他类，记这一类样本数为 TN（预测错误）

(4) 不属于类别C的样本被正确分类到了类别C的其他类，记这一类样本数为 FN（预测正确）

精准率precision

定义: 分类正确的正样本个数占分类器判定为正样本的样本个数比例

预测为正样本中有多少是真正的正样本，精准率看的是预测为某一类的样本中有多少是真正属于这一类的，计算公式：
$$Precision=TP+$$