深度学习笔记——秒懂评价指标precision和recall(附例子)
Precision:查准率,识别正确的/所有识别出来的。
这个指标反应了你的可信度,比如让儿子把药拿过来,他一定不能错,他可以不把家里全部的药都拿过来,但是他要保证拿过来必须是降压药。也就是拿药的precision一定要是100%。(见eg5)
Recall:查全率,有多少东西被找到了。识别正确的/未识别的+已识别的。
Eg1:总共有100张测试图片,有80张图片上标了路。20张图片里没有路。A模型测试之后,认为50张图片里有路。但是这50张照片中只有40张是真正有路的,另外10张没有路。
- Precision:40/50=80%
- Recall:40/80=50%
- True positives : 正样本被正确识别为正样本:40
- True negatives: 负样本被正确识别为负样本:20
- False positives: 假的正样本,即负样本被错误识别为正样本:10
- False negatives: 假的负样本,即正样本被错误识别为负样本:30
- 总和为100
Eg2:一张图里面有3条路(正样本),2条河(负样本),标记了3条路。B模型测试后,检测结果为4条路,其中真正标记是路的只有2条。
- Precision: 2/(2+2) tp/tp+fp=50%
- Recall:2/3 tp/tp+fn
- True positives : 正样本被正确识别为正样本: 2
- True negatives: 负样本被正确识别为负样本:0
- False positives: 假的正样本,即负样本被错误识别为正样本:2
- False negatives: 假的负样本,即正样本被错误识别为负样本:1
Eg3:一张图里面有3条路(正样本),2条河(负样本),标记了3条路。C模型测试后,检测结果为4条路,其中真正标记是路的只有3条。
- Precision: 3/(3+1) tp/tp+fp=75%
- Recall:3/3=100% tp/tp+fn
- True positives : 正样本被正确识别为正样本: 3
- True negatives: 负样本被正确识别为负样本:1
- False positives: 假的正样本,即负样本被错误识别为正样本:1
- False negatives: 假的负样本,即正样本被错误识别为负样本:0
Eg4:一张图里面有2条路(正样本),1条河(负样本),标记了3条路。D模型测试后,检测结果为3条路,其中真正标记是路的有2条。
- Precision: 2/3 tp/tp+fp= 2/3
- Recall:2/2=100% tp/tp+fn=100%
Eg5:一张图里面有2条路(正样本),1条河(负样本),标记了3条路。E模型测试后,检测结果为1条路,其中真正标记是路的有1条。
- Precision: 1/1=100% tp/tp+fp= 100%
- Recall:1/2=50% tp/tp+fn=50%
深度学习笔记——秒懂评价指标precision和recall(附例子)相关推荐
- 计算深度学习评价指标Precision、Recall、F1
计算深度学习评价指标Precision.Recall.F1 对深度学习的结果进行评价是深度学习的重要一环,一般常用的评价方法有:准确率(Accuracy),精确率(Precision),召回率(Rec ...
- 吴恩达深度学习笔记——结构化机器学习项目(Structuring Machine Learning Projects)
深度学习笔记导航 前言 传送门 结构化机器学习项目(Machine Learning Strategy) 机器学习策略概述 正交化(orthogonalization) 评价指标 数字评估指标的单一性 ...
- 深度学习笔记(14) 评估指标
深度学习笔记(14) 评估指标 1. 正交化 2. 单一数字评估指标 3. 满足和优化指标 4. 改变开发/测试集和指标 1. 正交化 搭建建立机器学习系统的挑战之一是,可以尝试和改变的东西太多太多了 ...
- HALCON 21.11:深度学习笔记---分类(10)
HALCON 21.11:深度学习笔记---分类(10) HALCON 21.11.0.0中,实现了深度学习方法. 本章介绍了如何在训练和推理阶段使用基于深度学习的分类. 基于深度学习的分类是一种对一 ...
- HALCON 20.11:深度学习笔记(10)---分类
HALCON 20.11:深度学习笔记(10)---分类 HALCON 20.11.0.0中,实现了深度学习方法. 本章解释了如何在训练和推理阶段使用基于深度学习的分类. 基于深度学习的分类是一种对一 ...
- 深度学习常用性能评价指标
深度学习常用性能评价指标 前言 基于准确度的指标 基于排名的指标 基于图数据的指标 前言 深度学习性能指标是用于评价深度学习模型性能的依据,是设计模型的重要依据. 基于准确度的指标 对于模型而言仅统计 ...
- 深度学习: mAP (Mean Average Precision)
原文:http://blog.csdn.net/jningwei/article/details/78955536 深度学习: mAP (Mean Average Precision) 版权声明:转载 ...
- HALCON 21.11:深度学习笔记---对象检测, 实例分割(11)
HALCON 21.11:深度学习笔记---对象检测, 实例分割(11) HALCON 21.11.0.0中,实现了深度学习方法. 本章介绍了如何使用基于深度学习的对象检测. 通过对象检测,我们希望在 ...
- HALCON 20.11:深度学习笔记(11)---目标检测
HALCON 20.11:深度学习笔记(11)---目标检测 HALCON 20.11.0.0中,实现了深度学习方法. 本章讲解了如何使用基于深度学习的对象检测. 通过对象检测,我们希望在图像中找到不 ...
最新文章
- windows7 下arp 绑定的实现
- 阿里云获得SAP HANA 2T实例公共云认证
- 如果产品经理去卖土豆粉
- Smartforms Debug
- Oracle统计信息的导出、导入
- SAP License:财务报表版本文本
- hbase Normalizer解决预分区错误,在不动数据的情况下完美解决热点问题
- mac修改php配置文件,MAC下通过改apache配置文件切换php多版本的方法
- Python基础:文件的操作
- selenium 三种断言以及异常类型
- SSL WSS HTTPS
- 新书推荐——Linux系统管理与服务器配置
- 千牛2015卖家版官方电脑版
- 新疆电大计算机考试纸质版,2021年度电大计算机网考纸质题库考前必看题.doc
- 基于javaweb+SSM校园招聘平台招聘管理系统(平台、企业、用户)
- vscode免密登录需要更改authorized_keys的权限
- 基于uniapp开发app,省市区联动
- flutter友盟分享_Flutter中使用友盟统计
- 机械学习07: 常用统计分布:正态分布、T分布、卡方分布、F分布
- Python之正则表达式与JSON
热门文章
- CPU存储器层次结构
- django ModuleNotFoundError: No module named ‘image_classify‘
- 【云创大会讲师访谈】如何打造游戏研发“流水线”?谷得技术总监陈镇洪是这么说的...
- SXOI2017游记
- 第六期大咖实战分享 | 联邦学习落地金控集团的挑战与思考
- 包管理rmp与yum
- 常用视频格式转换nv12,i420,i444,p010
- 浅谈作为开发者,我为什么做考研题库小程序
- MDI窗体和窗体之间的操作总结
- U8 业务单据SQL及表