标签：曲线 预测 果子 模型 样本 精确 深度 召回 评估

深度学习入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。

如何评价这个模型对解决你这个问题的“可用”程度，这需要对模型进行测量和评估。每个模型都有他的特别之处，并随因素变化而表现不同，因此需要选择合适的评估指标来进行评定。

目录

一、混淆矩阵

二、准确率（正确率）—— Accuracy

三、精确率（查准率）—— Precision

四、召回率（查全率）—— Recall

1、公式

2、意义

3、精确率和召回率的关系

五、PR曲线

1、含义解析

2、BEP

3、F1-score

六、ROC & AUC

1、灵敏度/真正率/召回率(TPR)，特异度和假正率(FPR)

2、ROC（接受者操作特征曲线）

3、AUC（曲线下的面积）

七、如何选择评估指标

一、混淆矩阵

下表就是著名的混淆矩阵（真·混淆bushi）

标签：曲线,预测,果子,模型,样本,精确,深度,召回,评估
来源： https://blog.csdn.net/weixin_55073640/article/details/123003206

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。