准确率accuracy精确率precision召回率recall概念

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。