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:
P r e c i s i o n = T P T P + F P Precision = \frac{TP}{TP+FP} Precision=TP+