![dd2d6eba7a58afb89ca5497067bdcb04.png](https://img-blog.csdnimg.cn/img_convert/dd2d6eba7a58afb89ca5497067bdcb04.png)
![9c46c98e4b8303dd0ddb28b82052816d.png](https://img-blog.csdnimg.cn/img_convert/9c46c98e4b8303dd0ddb28b82052816d.png)
本文首发于个人博客,点击阅读原文
序言
自然语言处理(ML)、机器学习(NLP)、信息检索(IR)等AI领域,评估(evaluation)是一项非常重要的工作,其模型或算法的评价指标往往有如下几点:准确率(Accuracy),精确率(Precision),召回率(Recall)和综合评价指标(F1-Measure)。
简单整理,以供参考。
准确率(Accuracy)
准确率(Accuracy)是一个用于评估分类模型的指标。说人话,模型预测正确数量所占总量的比例。
准确率的伪公式:
在二元分类中,可根据正类别与负类别按如下方式计算:
注:下方公式中,TP = 真正例 , TN = 真负例 , FP = 假正例 , FN = 假负例。