深度学习笔记——秒懂评价指标precision和recall（附例子）

Precision：查准率，识别正确的/所有识别出来的。

这个指标反应了你的可信度，比如让儿子把药拿过来，他一定不能错，他可以不把家里全部的药都拿过来，但是他要保证拿过来必须是降压药。也就是拿药的precision一定要是100%。（见eg5）

Recall：查全率，有多少东西被找到了。识别正确的/未识别的+已识别的。

Eg1:总共有100张测试图片，有80张图片上标了路。20张图片里没有路。A模型测试之后，认为50张图片里有路。但是这50张照片中只有40张是真正有路的，另外10张没有路。

• Precision：40/50=80%
• Recall：40/80=50%
• True positives : 正样本被正确识别为正样本：40
• True negatives: 负样本被正确识别为负样本：20
• False positives: 假的正样本，即负样本被错误识别为正样本：10
• False negatives: 假的负样本，即正样本被错误识别为负样本：30
• 总和为100

Eg2:一张图里面有3条路（正样本），2条河（负样本），标记了3条路。B模型测试后，检测结果为4条路，其中真正标记是路的只有2条。

• Precision： 2/（2+2） tp/tp+fp=50%
• Recall：2/3 tp/tp+fn
• True positives : 正样本被正确识别为正样本： 2
• True negatives: 负样本被正确识别为负样本：0
• False positives: 假的正样本，即负样本被错误识别为正样本：2
• False negatives: 假的负样本，即正样本被错误识别为负样本：1

Eg3:一张图里面有3条路（正样本），2条河（负样本），标记了3条路。C模型测试后，检测结果为4条路，其中真正标记是路的只有3条。

• Precision： 3/（3+1） tp/tp+fp=75%
• Recall：3/3=100% tp/tp+fn
• True positives : 正样本被正确识别为正样本： 3
• True negatives: 负样本被正确识别为负样本：1
• False positives: 假的正样本，即负样本被错误识别为正样本：1
• False negatives: 假的负样本，即正样本被错误识别为负样本：0

Eg4:一张图里面有2条路（正样本），1条河（负样本），标记了3条路。D模型测试后，检测结果为3条路，其中真正标记是路的有2条。

• Precision： 2/3 tp/tp+fp= 2/3
• Recall：2/2=100% tp/tp+fn=100%

Eg5:一张图里面有2条路（正样本），1条河（负样本），标记了3条路。E模型测试后，检测结果为1条路，其中真正标记是路的有1条。

• Precision： 1/1=100% tp/tp+fp= 100%
• Recall：1/2=50% tp/tp+fn=50%