精确率Precision和召回率Recall是衡量很多二分类任务经常用到的指标,但是很多时候很多人容易分不清,这里简单扯一下。二分类任务中只有正样本和负样本,即标签为1或0。而我们模型的目标就是尽可能去把所有的正样本的都准确的找出来,于是涉及到精确率Precision和召回率Recall。
召回率Recall:指有多少正样本被成功预测出来了。
精确率Precision:指模型预测为正样本的数据中有多少是真的正样本。
举个例子:
有10条数据,3条正样本,7条负样本。
分布如下:
真实标签:
0,0,1,1,0,0,1,0,0,0
模型预测的标签
1,0,1,1,0,0,0,0,1,1
计算召回率:真实的正样本数目为3,而模型预测为准确的正样本数目为2,也就是3条有2条被找出来了,召回率=2/3。
计算精确率:预测为正样本的数目为5,但其中只有2条是真的正样本,也就是只有2条被成功预测正确了,精确率=2/5。
如果有问题请及时指出,谢谢~