图像分类的指标:
TP(True Positive) : 将正类预测为正类
FP(False Positive) : 将负类预测为正类
TN(True Negative) : 将负类预测为负类
FN(False Negative) : 将正类预测为负类
分类数据集样本数:NUM
正确率Accuracy =所有预测正确的样本 / 总的样本 = (TP + TN) / NUM
精确率Precision = 将正类预测为正类 / 所有预测为正类 = TP /(TP + FP)
召回率Recall = 将正类预测为正类 / 所有正真的正类 = TP /(TP + FN)
F = 正确率 * 召回率 * 2 / (正确率 + 召回率)
F值即为正确率和召回率的调和平均值
其中TP、FP、TN、FN不好记住其代表的意思,这里做一下梳理:
其中明显T和F是一组,P和N是一组
观察TP、FP、TN、FN四个指标代表的意思可以总结得到:
T和F代表的是:预测结果是否与真实标签一致,也就是预测结果正确与否
T代表正确,F代表错误
P和N代表的是:预测结果是什么
P代表预测结果为正,N代表预测结果为负
这么一来,查看acc、prec、rec和F1的公式以及其意义的时候,就不用再回去翻看TP、FP、TN、FN是什么意思了。