机器学习#5查准率，查全率

什么是查准率，查全率？

设查准率P与查全率R分别定义了为：

P=TP/（TP+FP），R=TP/(TP+FN)

 

在查全率R和查准率P这两个变量之间，他们之间的差异由 FP（假正例）和FN（假反例）来决定

 

在图表中可以明确看出

不同点：查准率P 是在 真+假 的集合中来判定，查全率R 是在 真+真 的集合中来判定（只用真实情况为参考依据）

相同点：查准率p 和 查全率R 都是以 寻找 真实=预测=真 的结果为目的

 

查准率P 考量 对于 学习器的 辨别真实 能力，即剔除 披着 真实外衣的 假向量 的能力

查全率R 考量 对于 学习器的 包容真实  能力，即能容忍 与 假向量多少相似度 的 真向量 的能力

 

这会导致你剔除假向量的能力越强，那么你对于假向量的容忍度就越低（即使他是真的向量），

当然一切都取决于你的标准，有时候假与真的界限是模糊的。

 

一般对于查全率和查准率的应用？

一般以查准率为纵轴，查全率为横轴 作图，得到我们的所谓的“P-R曲线”。（Precision，recall）

他们一般长这个样子：

一个学习器对应一条P-R曲线，如果学习器A的P-R曲线包住学习器B的曲线，那么A性能优于B。

当然如果有交叉的情况，可以比较他们的面积比，就像微积分求解一样。

 

当然这样可能有一点麻烦，所以有人提出了平衡点，即查全率=查准率的取值比价大小即可，但会不准确。

大部分情况使用 性能度量中的 F1 来判定。- _ -  write the next blog