什么是精确率Precision和召回率Recall?

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~

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【资源说明】 基于TensorFlow 2.0和循环神经网络开发的情感分析python源码+使用说明+超详细注释.zip 我的计算设备是笔记本上的 GTX 1060 6G,当选择batch size=32时,训练完一个epoch耗时约125s。 如下是训练4个epoch的模型性能参数: 数据集|准确率(Accuracy)|精确率(Precision)|召回率(Recall)|F1 Score --|--|--|--|-- 训练集|0.9759|0.9904|0.9610|0.9746 开发集(验证集)|0.9732|0.9858|0.9605|0.9722 测试集|0.9753|0.9866|0.9634|0.9740 数据集划分比例为: 数据集|比例 --|-- 训练集|0.75 开发集|0.15 验证集|0.15 # 快速开始 我的Python环境是Linux下使用Anaconda安装的,所以请根据自己的实际情况,自行判断是否需要将下面命令中的python和pip替换成python3和pip3。 ## 1.如何训练模型? - clone项目到本地。 - 下载数据集。 - 在`tf2-rnn-emotional-classifier`路径下,执行命令`pip install -r requirements.txt` - 在`settings.py`中配置好相关路径,并根据个人情况配置好其他参数。 - 在`tf2-rnn-emotional-classifier`路径下,执行命令`python train.py`。 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用,也适合小白学习进阶,当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行,也可在此代码基础上进行修改,以实现其他功能,也可直接用于毕设、课设、作业等。 欢迎下载,沟通交流,互相学习,共同进步!

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值