关于机器学习评价指标AUC，召回率，准确率（ACC），MRR的白话讲解

Halosec_Wei

于 2018-10-19 17:27:50 发布

阅读量1.2w

点赞数 3

分类专栏：机器学习日志机器学习

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_41686130/article/details/83185196

版权

本文详细解释了机器学习中的几个关键评价指标：准确率（ACC）是分类正确的记录占比；AUC（ROC曲线下方的面积）越大，分类器效果越好；召回率（TPR）表示实际正例被正确预测的比例；MRR则评估搜索算法的性能，首个正确结果的权重最高。理解这些指标有助于优化模型性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

准确率（ACC）

指在分类中，使用测试集对模型进行分类，分类正确的记录个数占总记录个数的比例，计算公式如下所示：

${\rm{Acc}}uracy = \frac{{{n_{correct}}}}{{{n_{tatal}}}}$

其中， ${{n_{correct}}}$ 代表分类正确的记录个数， ${{n_{tatal}}}$ 代表全部测试数据的个数

ROC

最低0.47元/天解锁文章

评论 5

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。