召回率和准确率的理解

今天看书再一次看到这两个概念,在我印象中原来很努力记忆过一次,效果嘛→显而易见。这一次学聪明点,看懂了就记录下来。

首先来讲下二者概念:

召回率(recall):是针对我们原来样本而言,表示有多少样本中的正例(一种是把正类预测为正类即TP,一种是把正类预测为负类即FN)被预测正确了。R = \frac{TP}{TP+FN},提取出的正确信息条数 / 样本中的信息条数。

精确率(precision):是针对我们的预测结果而言,表示的是预测为正的样本中(一种是把正类预测为正类即TP,一种是把负类预测为正类即FP)有多少是真正的正样本。P  = \frac{TP}{TP+FP}, 提取出的正确信息条数 / 提取出的信息条数。

TP:将正类预测为正类数

FP:将负类预测为正类数

FN:将正类预测为负类数 

TN:将负类预测为负类数

现在来讲下记忆方法,T、F分别是TURE/FALSE,表示是结果的对不对的意思。P、N分别是Positive/Negative表示我们认为的是"是"或者”不是“。首先我们看第一个TP,拆开理解就是T和P,T表示预测结果是对的,P表示我们认为这结果为“正类”,意味着是从正类→正类。F和P,F表示预测结果是错的,P表示我们认为这结果为“正类”,所以负类→正类。F和N,F表示预测结果错误,N表示我们认为这结果为“负类”,所以正类→负类。T和N,T表示预测结果是对的,N表示我们认为这结果为“负类”,所以负类→负类。

还有一个是准确率(accuracy ):简单理解就是猜对(将正的猜为正,将负的猜为负)的结果占总数的概率。(TP+TN)/(TP+FP+FN+TN).

再补充一个F1值指标,公式是,作用就是调和P和R 的矛盾。后面查到升级版F1值参数,如下图

主要是为了我自己记忆笔记,所以有没明白的思路的小伙伴可以看看我当初参考的链接,自己琢磨下。

https://blog.argcv.com/articles/1036.chttps://www.zhihu.com/question/19645541

 

 

©️2020 CSDN 皮肤主题: 技术黑板 设计师:CSDN官方博客 返回首页