几个深度学习中的概念
1. 结果衡量指标
- True Positive(TP):预测为正例,实际为正例
- False Positive(FP):预测为正例,实际为负例
- True Negative(TN):预测为负例,实际为负例
- False Negative(FN):预测为负例,实际为正例
准确率 Accuracy
A c c u r a c y = T P + T N T P + T N + F P + F N Accuracy = \frac{TP + TN}{TP + TN + FP + FN} Accuracy=TP+TN+FP+FNTP+TN
精确率 Precision
P r e c i s i o n = T P T P + F P Precision = \frac{TP}{TP + FP} Precision=TP+FPTP
召回率 Recall
R e c a l l = T P T P + F N Recall = \frac{TP}{TP + FN} Recall=TP+FNTP
F1(综合Precision与Recall)
F 1 = 2 × P r e c i s i o n × R e c a l l P r e c i s i o n + R e c a l l F1 = \frac{2 \times Precision \times Recall}{Precision + Recall} F1=Precision+Recall2×Precision×Recall
2. 训练中的三个概念
- Batchsize: 批大小,在深度学习中,一般采用SGD训练,即每次训练在训练集中取 Batchsize 个样本训练
- Iteration: 每个 Iteration 等于使用 Batchsize 个样本训练一次
- Epoch: 每个 Epoch 等于使用训练集中的全部样本训练一次