准确率accuracy:
分类器正确分类的样本数与总样本数之比。
精确率precision和召回率recall:
举个栗子,假设有一个二分类问题,每类5个样本,一共是10个样本,若分类器分类的结果取4个为正样本,实际上这四个里面只有2个是正样本,则,
recall=分类结果包括的正样本数/总共的正样本数=2/5=0.4
precision=分类结果包括的正样本数/总共选的样本数=2/4=0.5
recall越大,precision越小
precision和recall的计算公式如下:
AP和mAP
首先引入PR曲线(precision-reall曲线),AP就是PR曲线与x轴围成的图形面积,显然随着我们选定的样本越来越多,recall一定会越来越高,而precision整体上会呈下降趋势
AP衡量的是学出来的模型在每个类别上的好坏,mAP衡量的是学出的模型在所有类别上的好坏,得到AP后mAP的计算就变得很简单了,就是取所有AP的平均值。