当前位置 : 主页 > 编程语言 > 其它开发 >

精确率、准确率、召回率

来源:互联网 收集:自由互联 发布时间:2022-06-21
正负样本 01 几个类型 TP (True Postives):将正样本预测为正样本 FN (False Negatives):将正样本预测为负样本(漏报) FP (False Positives):将负样本预测为正样本(误报) TN (True Negatives):将负样

正负样本

01 几个类型

TP (True Postives):将正样本预测为正样本

FN (False Negatives):将正样本预测为负样本(漏报)

FP (False Positives):将负样本预测为正样本(误报)

TN (True Negatives):将负样本预测为负样本

02 几个指标
  • 准确率(Accuracy)

\[准确率=\frac{所有预测对的}{样本总数}=\frac{TP+TN}{TP+FN+FP+TN} \]

  • 精确率(Precision)

    \[精确率=\frac{正样本预测对的}{正样本预测对的+误报}=\frac{TP}{TP+FP} \]

  • 召回率(查全率,Recall)

    \[召回率=\frac{预测对的正样本}{正样本总数}=\frac{TP}{TP+FN} \]

PR曲线:对应的(Precision - Recall)

03 一个例子
  • 60个正样本,40个负样本。查找出50个正样本,只有40个是对的。(查找出50个负样本,20个是查错了)

\[Accuracy=\frac{40+30}{100}=70\% \]

\[Precision=\frac{40}{40+10}=80\% \]

\[Recall=\frac{40}{40+20}=\frac{2}{3} \]

如何解释召回率与精确率? - 知乎 (zhihu.com)

网友评论