人脸识别产品经理的入门知识:3.算法在落地场景中的评价指标

因为算法是没办法保证100%正确的，所以就需要有一些指标，来评估算法的好坏，度量此算法是否能很好的完成你设定的任务。

那在不同的任务中，就需要设定不同评价指标，比如

场景一

人脸识别算法用于门禁系统，如果识别到是名单上的人员，就开门，如果不是，就不开门。

在此场景中，会出现3种出错的可能：

1.不在名单人的人员，但识别成名单上的人员，开门了

2.名单上的人员A识别成了名单上的人员B，开门了

3.名单上的人员，没有识别出来，不开门

这种任务，一般会用2种评价指标来衡量任务的完成情况，

1.精确率 （Precision）

Precision = TP/（TP+FP）

此指标表示放行的人中有多少是正确的，如果精确率较低，则表示统计到的进入人员是不准确的，不应该放行的人也放行了。

其中

TP 为 TruePositive，真正值，表示实际值为正，预测值也为正。在此案例中，则表示正确识别出来名单中的具体人员，实际上是人员A，也正确识别成了人员A。

FP 为 FalsePositive，假正值，表示实际值为负，预测值为正。在此案例中，则表示识别为名单的人员，但实际并不是这个人，上面说的第1、2种错误都是FalsePositive。

2.召回率（Recall）

召回率 Recall