准确率,精度与召回率
假设某鱼塘有100条鱼,鲤鱼80条,鲫鱼20条,目标是捕到所有鲫鱼。让某人捕50条鱼,其中20条是鲫鱼,另外30条鲤鱼也当做鲫鱼被捕到。评估此人工作。
TP(True Positive):被判定为正样本,事实上也是正样本。
TN(True Negative):被判定为负样本,事实上也是负样本。
FP(False Positive):被判定为正样本,但事实上是负样本。
FN(False Negative):被判定为负样本,但事实上是正样本。
此时:TP=20,TN=50,FP=30,FN=0
准确率
对于给定的测试数据集,分类器正确分类的样本数与总样本数之比。也就是损失函数是0-1损失时测试数据集上的准确率
Accuracy=(TP+TN)/100=70%
精度
它计算的是预测正类预测正确的样本数,占预测是正类的样本数的比例。
Precision=TP/(TP+FP)=40%
召回率
它计算的是预测正类预测正确的样本数,占实际是正类的样本数的比例
Recall=TP/(TP+FN)=100%