ner 评估指标_机器学习模型评估指标

图片来源(图片来源：https://blog.csdn.net/quiet_girl/article/details/70830796)

1.准确率(Accuracy)

定义：对于给定的测试数据集，分类器正确分类的样本数与原数据集总样本数之比。

在正负样本不平衡的情况下，不能只用准确率作为评价指标。

Acc=(TP+TN)/(TP+TN+FP+FN)

2.精确率(Precision)

定义：“正确被分类的样本”占“实际检索到的总样本(分类后得到的样本总数)”的比例。

P=TP/(TP+FP)

3.召回率(Recall)

“正确分类的正样本”占“数据集中所有正样本总数”的比例。

Rec=TP/(TP+FN)=TP/P=sensitive

4.综合评价指标F-measure

精确率和召回率是相对的，需要综合起来评估。

图片来源(图片来源：https://blog.csdn.net/quiet_girl/article/details/70830796)

总结：准确率说明分类的结果是否准确或对不对；精确率说明结果的正样本中有多少是对的，是针对分类结果而言的；召回率说明正确分类的样本全不全，是针对原数据集而言的。

5.AP(Average precision)

检测目标采用mean Average Precision(mAP)作为评价指标，该指标综合考虑了Precision和R