召回率
通俗解释机器学习中的召回率、精确率、准确率 - 知乎 (zhihu.com)
只是上班文件看到召回率,不懂是啥,所以搜一下,结果发现很适配我的论文!!!
遂记一记
定义
作者用地震预测举例,这不就是前几天聊开题的时候,老师给我的参考方向吗,地震预测和我要做的预测思路几乎是一致的
现在看例子
第50天和51天会地震,其余的1-49和51-100天不会地震
现在假设你的模型已经做好,但是不能精确率和召回率二者不可得兼,摆在你面前的是提升其中的一个率,你应该怎么办?
精确率:(预测到的都是真的地震的,但预测的不全
分母是预测到的正类,精确率的提出是让模型的现有预测结果尽可能不出错(宁愿漏检,也不能让现有的预测有错)
以地震模型为例说就是宁愿地震了没报,也不能误报地震,比如说为了不错报,只预测了第50天可能发生地震,此时的
1.精确率:1/1=100%
2.召回率:1/2=50%
虽然有一次地震没预测到,但是我们做出的预测都是对的。
召回率:(真实有地震的都被预测到了,没地震的也预测了
分母是原本的正类,召回率的提出是让模型预测到所有想被预测到的样本(就算多预测一些错的,也能接受)
以地震模型为例说这100次地震,比如说为了不漏报,预测了第30天、50天、51天、70天、85天地震,此时的
1.精确率:2/5=40%
2.召回率:2/2=100%
虽然预测错了3次,但是我们把会造成灾难的2次地震全预测到了。
精确率和召回率有什么用?为什么需要它?通俗讲解(人话)
上面我们已经讲的很清楚了,这里以两种需求为例
- 预测地震 - 不能接受漏报
- 人脸识别支付(银行人脸支付) - 不能接受误检
我我我我我用的思路
我到时候可以两种率都算算,看看哪种好