标签:机器 预测 Recall 性能 Precision TP 正类 反类 评估
文章目录
混淆矩阵:
True Positive (TP):真正例,正类预测为正类数;
False Negative (FN):假反例,正类预测为反类数;
False Positive (FP):假正例,反类预测为正类数;
True Negative (TN):真反例,反类预测为反类数;
1、Accuracy:准确率
准确率Accuracy:预测正确的样本(TP+TN)占总样本的比例
2、Precision:精确率/查准率
精准率/查准率Precision:预测的真正例(TP)占预测为正例数的比例
预测为正例数有两种情况:一种是真正例 (TP),正类预测为正类数;另一种是假正例 (FP),反类预测为正类数
Precision是针对预测结果而言的,分母是预测为正类的样本,
3、Recall:召回率/查全率
召回率/查全率Recall:预测的真正例(TP)占实际为正例数的比例
实际为正例数有两种情况:一种是真正例 (TP),把原来的正类预测为正类;另一种是假反例 (FN),把原来的正类预测为反类;
Recall是针对样本而言的,分母是原来正类的样本。
4、F-Score:F值
当Precision和Recall出现矛盾时,用F-Score对Precision和Recall加权调和平均:
当参数α=1时,就是F1值
标签:机器,预测,Recall,性能,Precision,TP,正类,反类,评估 来源: https://blog.csdn.net/weixin_39671962/article/details/112215449
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。