TP/FN/FP/TN
TP: Ture Positive 把正的判断为正的数目。
FN: False Negative 把正的错判为负的数目。
FP: False Positive 把负的错判为正的数目。
TN: True Negative 把负的判为负的数目。
准确率acc
准确率(Accuracy)是指在所有的判断中有多少判断正确的,即把正的判断为正的,把负的判断为负的,这两种情况在所有判断中的占比。
公式为:
Acc = (TP+TN) / (TP+TN+FN+FP)
精确率P
精确率(Precision)是指预测为正的样本中有多少是对的。
公式为:
P= TP / (TP+FP)
召回率R
召回率 (Recall)是指样本中有多少正样本被预测正确了。
公式为:
R= TP / (TP+FN)
F1
F1是用来综合精确率和召回率的。
公式为:
F1=2PR/(P+R)
实例
假设一个男生班里有10个人,其中大老爷们儿3人,娘炮儿7人。
我对这些人进行预测,其中大老爷们有2个预测成了大老爷们,1个预测成了娘炮;娘炮3个预测成了娘炮,4个预测成了大老爷们(哎,娘炮不好区分啊)。这里面,大老爷们是正样本,娘炮是负样本。
那么:
acc=(2+3)/100
P=2/(2+4)
R=2/3
F1=2PR/(P+R)=(22/62/3)/(2/6+2/3)
交叉熵
其中,M是总的类别数量,y是样本真实标签,p为样本预测结果。