图像分类指标以及理解记忆

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。