知识图谱算法中用到的evaluation measure

最新推荐文章于 2024-11-28 19:19:47 发布

靖淮CAFEBABE

最新推荐文章于 2024-11-28 19:19:47 发布

阅读量642

点赞数

分类专栏：论文 Machine Learning

本文链接：https://blog.csdn.net/weixin_42774786/article/details/110489672

版权

本文详细介绍了知识图谱算法的评估指标，包括Precision、Recall、Accuracy和F1值的概念及其相互关系，同时探讨了Hits@x和mean rank在trans系列算法中的应用。此外，还提到了sklearn库在分类评估中的AUC和多分类问题中的使用方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、Precision、Recall、Accuracy和F1值

1、基本概念

TP（True Positive）：在判定为positive的样本中，判断正确的数目。
TN（True Negative）：在判定为negative的样本中，判断正确的数目。
FP（False Positive）：在判定为positive的样本中，判断错误的数目。
FN（False Negative）：在判定为negative的样本中，判断错误的数目。

也就是说，T/N表示判断正确或错误，P/N表示判定为正样本还是负样本。