mAP（mean Average Precision）详细说明

未完待续。。。

原文：https://sanchom.wordpress.com/tag/average-precision/

 

译文

我正在思考的事情。最近：写作，法律，航空，机器学习。

平均精度

这是一只鸟……它是一架飞机…它取决于你的分类器的阈（yu）值。

信息检索系统（例如搜索引擎）的评价通常集中在两个方面：

1.检索结果有什么关系？（精密）

2.系统是否检索了许多真正相关的文档？（召回）

对于那些不熟悉的人，我将解释什么是精确度和召回，对于那些熟悉的人，我将解释在比较精确度召回曲线时文献中的一些混淆。

鹅和飞机

假设你有一个由飞机和鹅组成的图片集。

您希望您的系统检索所有飞机图像和鹅的图像。

给定系统从该集合中检索的一组图像，我们可以定义四个精度计数：

True positives：你的系统正确检索的飞机图像

True negatives：鹅的形象，你的系统没有正确检索

False positives：鹅的图像，你的系统错误地检索，相信他们是飞机。

False negatives：你的系统不正确的飞机图像没有被检索，相信它们是鹅。

在这个示例检索中，有三个真阳性和一个假阳性。

 

使用我刚才定义的术语，在这个示例检索中，有三个真阳性和一个假阳性。有多少假阴性？有多少真负数？

有两个假阴影（系统未能检索到的飞机）和4个真阴影（系统未检索到的鹅）。

精度与召回

现在，你将能够更准确地理解什么是精确和回忆。

精度是检索结果中的真正正的百分比。即：

 

参考阅读

https://blog.csdn.net/gagalaha/article/details/51327083

https://blog.csdn.net/sunhuaqiang1/article/details/56847436

https://blog.csdn.net/zjc/article/details/46763989