分类任务
真正的正类 | 真正的负类 | |
判断的正类 | TP(True Positive) | FP(Flase Positive) |
判断的负类 | FN(False Negatives) | TN(True Negatives) |
- 召回率(预测正确中为正类的比例)
- 准确率(所有预测中预测正确的比例)
- 精确率(预测为正类中真的为正的比例)
- F1值(对精确率和召回率进行加权)
- ROC曲线(接收者操作特征曲线)和AUC
ROC曲线越偏离到(0,1)越好,即AUC(曲线下面积)越大,分类效果越好
- AP(AUC) (精确度-召回率曲线下的平均面积)
先计算所有分类样本的Precision和Recall,绘制图形如下
则AP(AUC)为所有点插值法得到图形的曲线下方面积
MAP是所有AP的平均
回归任务
- MSE(平均平方差)
RMSE就是对MSE进行开根号
- MAE(平均绝对值误差)
图像分割
- IOU(交并比)