查准率P（Precision）、查全率R（Recall）、P-R曲线、AP

最新推荐文章于 2024-03-08 21:41:11 发布
最新推荐文章于 2024-03-08 21:41:11 发布
阅读量1k 收藏
点赞数
文章标签： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_35627757/article/details/120575836
版权
本文详细介绍了机器学习评估指标中的查准率（Precision）和查全率（Recall），包括它们的定义、计算方式以及在实际问题中的重要性。查准率表示预测为正例的样本中真正为正例的比例，查全率则关注所有真正例被正确预测的比例。此外，文章还讨论了P-R曲线、平均精度AP的概念，并解释了这些指标如何帮助优化模型性能，特别是在不平衡数据集上的应用。
摘要由CSDN通过智能技术生成

P、R

TP：真正例（true positive），即真实结果和预测结果都是正例。

FP：假正例（false positive），即真实结果是反例、预测结果是正例。

TN：真正例（true negative），即真实结果和预测结果都是反例。

FN：假反例（false negative），即真实结果是正例、预测结果是反例。

查准率P（Precision）、查全率R（Recall）：

P为预测为正例的正确率

R为真实结果为正例的预测正确率

P-R曲线

在confidence score中，从top-1到top-N（N是所有测试样本个数）对应的precision和recall，制作成表格，其中recall为横坐标，precision为纵坐标。

AP

AP为PR曲线与X轴围成的图形面积。

sun_m_s
关注
机器学习理论之mAP 查全率 查准率 IoU ROC PR曲线 F1值
学习中
10-31 388
机器学习理论之mAP 查全率 查准率 IoU ROC PR曲线 F1值
准确率，查准率，查全率，ROC曲线，AUC面积
weixin_38740463的博客
12-29 2375
准确率Precision 查全率Recall 其实这个翻译相当蛋疼。。。 recall最合理的翻译应该是 查全率 而Precision的最合理的翻译应该是查准率 例1： 一个相机，作有无目标的二分类问题： 实际中，1s取了10帧，其中有9帧是有目标的（本真：TP+FN） 预测中， 其中7帧预测到了目标，其中只有5帧是正确检测的（预真） 则，查准率为： 5/7 查...
Precision、Recall、P-R曲线、ROC、AUC、mAP
SmileLing的专栏
03-27 1836
1. Precision和Recall2. P-R曲线3. ROC 与 AUC4. mAP5. 代码简单实现6. Reference Github对应博客 1. Precision和Recall 对于二分类问题，可将样例 根据其真实类别与学习器预测类别的组合划分为： TP (True Positive)： 预测为真，实际为真 FP (False Positive)： 预测为真，实际...
准确率、查准率、查全率、f-score、auc、roc、p-r曲线
lilong_csdn的博客
01-10 4979
安利一个贼方便的编辑数学公式的工具 分类 accuracy_score 准确率 在样本处于均衡状态下该指标比较有参考意义 代码 from sklearn.metrics import accuracy_score y = [1, 1, 2, 2, 0, 0] y_pred = [0, 1, 2, 2, 0, 0] print(accuracy_score(y, y_pred)) 输出 F:\...
65-Precision-Recall曲线
qq_41033011的博客
10-21 2418
     这篇博客我将用可视化的方法更直观的看到精准率和召回率之间的关系。 Precision-Recall曲线    最后对于 Precision-Recall 曲线整体是这样趋势的一条直线：      这条曲线随着 PrecisionPrecisionPrecision 的值的增大 RecallRecallRecall 值逐渐降低。假设我们有两个算法，对于同一个算法中我们用两组超参数来训练，那么每训练出一个模型就可以对应一个 Precision-Recall 曲线，如果另外一个算法得到的
深度学习：详谈P(查准率，准确率,Precision)，R(查全率，召回率，Recall)，F1值
qq_41298763的博客
09-18 1679
定义： acc=predict_right_num/predict_num （准确率） P=真正预测准确的数量/预测是准确的数量 （精确率） R=真正预测准确的数量/所有真正好的数量 （召回率） F值是：F(k) = ( 1 + k ) * P * R / ( ( k*k ) * P + R )    注释：k>0 度量了 查全率 对 查准率 的相对重要性。k>1查全率有更大影响；k<1查准率有更大影响。     F(1) = 2 * P * R / ( P + R )
预测分析：R语言实现1.4　性能衡量指标
weixin_33852020的博客
05-02 994
1.4　性能衡量指标 在上一节讨论预测建模过程的时候，我们讨论了利用训练集和测试集对被训练模型的性能进行评估的重要性。在本节，我们要审视在描述不同模型的预测精确度时常遇见的某些性能衡量指标。其实，根据问题的不同类型，会需要使用略有差异的性能评估方式。由于本书讨论的重点是有监督的模型，所以我们会审视如何评估回归模型和分类模型。对于分类模型，我们还会讨论二...
【机器学习】查全率（Recall）/查准率（Precision）/F-Measure/AP（Average Precision）/MAP
shangpapa3的博客
07-27 7866
查全率（Recall）/查准率（Precision）/综合评价指标（F-Measure）/AP（Average Precision）/MAP（Mean Average Precision）
目标检测中如何计算AP和mAP以及绘制P-R曲线以及SSD中如何修改代码来输出AP和绘制P-R曲线
holmes_MX的博客
09-06 1万+
0. 写作目的 好记性不如烂笔头。 1. 计算AP（Average Precision）的理论知识 对于每一类目标检测给出的置信度（Confidence），首先按照Confidence降序排列，然后将交并比（IOU）>0.5的当做正确预测的结果，否则为错误预测的结果。然后依据预测结果的正确与否计算TP(True Positive), FP(False Positive), FN(Fal...
目标检测评价指标（查准率 precision，查全率recall，PR曲线，AP，MAP，交并比iou，置信度，NMS）
wangjia2575525474的博客
09-17 1527
作者：阿凿 链接：https://www.zhihu.com/question/53405779/answer/429585383 来源：知乎 查准率 precision，查全率recall，PR曲线，AP，MAP 明确问题: 大背景是object detection， 我就以正在学的RetinaNet应用背景为例， 识别出来的每一个框都有N+1个score， 对应着N个class和1个background， 我们会选score最高的那个作为最终的判断基本定义: precision和recall的含义， p
机器学习（3）：信息检索指标-查准率（Precision）,查全率（Recall）,平均准确率(mAP)
weixin_41847115的博客
11-26 4344
 一.查准率和查全率 查准率=准确率（Precision）=检索到的该类图像/检索到的所有图像数   查全率=召回率（Recall）=检索到的该类图像/数据库中所有的该类图像   二.MAP(Mean Average Precision)平均精度均值 MAP可以由它的三个部分来理解：P,AP,MAP P（Precision）精度，正确率。在信息检索领域用的比较多，和正确率一块出现的是...
目标检测模型的几个指标
最新发布
qq_52832321的博客
03-08 4057
F1得分是一个综合了精确率（precision）和召回率（recall）的指标，其计算公式是2 * (精确率 * 召回率) / (精确率 + 召回率)，值范围在0~1之间，取值越大则模型性能越好。精确率（Precision）: Precision 是正确预测为正的样本（TP）占预测为正的总样本（TP+FP）的比例。召回率（Recall）: Recall 是正确预测为正的样本（TP）占实际为正的总样本（TP+FN）的比例。也就是，这些样本是正类，模型预测为正类。也就是，这些样本是负类，模型预测为负类。
评测标准召回率Recall@K的理解与实例解析
热门推荐
Jason的博客
01-14 6万+
如图： 定义 总共红色边框为all_negative=5 (负样本) 总共蓝色边框为all_positive=5（正样本） top-k推荐：从最后的按得分排序的推荐列表中返回前k个结果。 Precision准确率是检索出相关结果数与检索出的结果总数的比率，衡量的是检索系统的查准率 Recall@K召回率是指前topK结果中检索出的相关结果数和库中所有的相关结果数的比率，衡量的是检索系统的查全率。...
机器学习性能度量指标（precision、recall、PR曲线、F1、ROC、AUC、IOU、mAP）
xhj_enen的博客
03-18 1万+
1、precision、recall、PR curve、F1 在信息检索等任务中，我们经常会关心“检索出的信息中有多少比例是用户感兴趣的”以及“用户感兴趣的信息中有多少被检索出来了”。precision（查准率）与recall（查全率）就是此类需求的性能度量指标。 对于一个二分类问题，我们可以根据模型的分类结果将其分为四类：TP、FP、TN、FN 则查准率与查全率的定义分别为： precisio...
深度学习图像识别笔记（三）：yolov5检测结果分析
m0_54227219的博客
03-23 1万+
yolov5学习
precision，recall，sensitivity， specificity ，mAP等几种评价指标
weixin_43508499的博客
08-07 1万+
目录1.图像分类准确率Accuracy2.Accuracy的缺点3.什么是precision、recall以及F1指标、ROC曲线4.mAP的计算 1.图像分类准确率Accuracy 假设有测试样本100张图像，其中有90张预测对了类别，则准确率为： Accuracy = 90/100*100% = 90% 2.Accuracy的缺点 假设测试样本100张，其中正例90张，负例10张，我们预测（瞎...
机器学习分类问题指标评估内容详解（准确率、精准率、召回率、F1、ROC、AUC等）
Emins的博客
07-04 1万+
看懂机器学习指标：准确率、精准率、召回率、F1、ROC曲线、AUC曲线
查准率(Precision)和查全率(Recall)和 P-R曲线、ROC曲线
很吵请安静
08-10 1万+
数据发生倾斜时，准确率判断模型好坏就不那么准确了。比如风控模型中，99个正常用户和1个欺诈用户，用一个把所有用户都识别成正常用户的模型进行预测，那么该模型的准确率为99%,然而并没有什么用。所以要用另一个参数来衡量模型的好坏。 查准率(Precision)和查全率(Recall) 四类预测 将模型预测结果分为下面四类： 正确肯定（True Positive,TP）：预测为真，实际为真 正确否定（...
情报检索的查全率与查准率探讨
多种因素影响查全率和查准率，包括检索语言、标引、系统设计和用户因素。理想的检索系统应同时达到最高的查全率和查准率，但实际情况中需要在两者间找到平衡。" 本文深入浅出地讨论了情报检索领域的核心概念——查...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值