算法评价指标:准确率+精准率+召回率
评价指标:
(1)(True Postive TP): 若一个实例是正类,但是被预测成为正类,即为真正类
(2)(True Negative TN): 若一个实例是负类,但是被预测成为负类,即为真负类
(3)(False Postive FP): 若一个实例是负类,但是被预测成为正类,即为假正类
(4)(False Negative FN: 若一个实例是正类,但是被预测成为负类,即为假负类
1代表正类,0代表负类:
准确率(正确率)=所有预测正确的样本/总的样本 (TP+TN)/总
精确率= 将正类预测为正类 / 所有预测为正类 TP/(TP+FP)
召回率 = 将正类预测为正类 / 所有正真的正类 TP/(TP+FN)
F值 = 精确率 * 召回率 * 2 / ( 精确率 + 召回率) (F 值即为精确率和召回率的调和平均值)
1、准确率(Accuracy)
准确率(accuracy)计算公式为:
注: 准确率是我们最常见的评价指标,而且很容易理解,就是被分对的样本数除以所有的样本数,通常来说,正确率越高,分类器越好。 准确率确实是一个很好很直观的评价指标,但是有时候准确率高并不能代表一个算法就好。比如某个地区某天地震的预测,假设我们有一堆的特征作为地震分类的属性,类别只有两个:0:不发生地震、1:发生地震。一个不加思考的分类器,对每一个测试用例都将类别划分为0,那那么它就可能达到99%的准确率,但真的地震来临时,这个分类器毫无察觉,这个分类带来的损失是巨大的。为什么99%的准确率的分类器却不是我们想要的,因为这里数据分布不均衡,类别1的数据太少,完全错分类别1依然可以达到很高的准确率却忽视了我们关注的东西。再举个例子说明下。在正负样本不平衡的情况下,准确率这个评价指标有很大的缺陷。比如在互联网广告里面,点击的数量是很少的,一般只有千分之几,如果用acc,即使全部预测成负类(不点击)acc也有 99% 以上,没有意义。因此,单纯靠准确率来评价一个算法模型是远远不够科学全面的
2 、精确率(Precision):
精确率是针对预测结果而言的,表示预测为正的样本中有多少是真正的正样本,预测为正的样本中有两种可能:
一种是把正类预测为正(TP),一种是把负类预测为正(FP)
3、召回率(Recall):
召回率是针对我们原来的样本而言,它表示样本中的正类有多少被预测正确了,有两种可能,一种是把原来的正类预测成正类(TP),一种是把原来的正类预测成负类(FN)
4、f1-score
P和R指标有时候会出现的矛盾的情况,这样就需要综合考虑他们,最常见的方法就是F-Measure(又称为F-Score)。 F-Measure是Precision和Recall加权调和平均:
算法评价指标:准确率+精准率+召回率相关推荐
- 分类算法的评价指标-混淆矩阵,精准率召回率,pr曲线,roc曲线等
文章目录 前言 一.混淆矩阵(confusion matrix)? 二.精准率和召回率 1.精准率 2.召回率 3.自己实现精准率和召回率以及混淆矩阵 4.sklearn中的精准率召回率以及混淆矩阵 ...
- 机器学习算法中的准确率(Precision)、召回率(Recall)、F值(F-Measure)
转载自:https://www.cnblogs.com/Zhi-Z/p/8728168.html 摘要: 数据挖掘.机器学习和推荐系统中的评测指标-准确率(Precision).召回率(Recall) ...
- 机器学习模型评价指标:准确率(Precision)、召回率(Recall)、F值(F-Measure)、ROC曲线、PR曲线
转自机器学习:准确率(Precision).召回率(Recall).F值(F-Measure).ROC曲线.PR曲线 摘要: 数据挖掘.机器学习和推荐系统中的评测指标-准确率(Precision).召 ...
- 机器学习各种模型评价指标:准确率(Precision)、召回率(Recall)、F值(F-Measure)、ROC曲线、PR曲线
周志华老师的西瓜书的第2章:模型评估与选择 摘要: 数据挖掘.机器学习和推荐系统中的评测指标-准确率(Precision).召回率(Recall).F值(F-Measure)简介. 引言: 在机器学习 ...
- 【转载】机器学习算法中的准确率(Precision)、召回率(Recall)、F值(F-Measure)
在机器学习.数据挖掘.推荐系统完成建模之后,需要对模型的效果做评价.数据挖掘.机器学习和推荐系统中的评测指标-准确率(Precision).召回率(Recall).F值(F-Measure)简介.业内 ...
- 图像分类 图像分割的评价指标(混淆矩阵 正确率 精准率 召回率 F1分数 IOU dice系数)
在图像分类或者图像分割中,为评价模型的预测效果,在训练过程中通常需要比较预测值与真实标签值的差距,即误差. 目录 图像分类过程的评价指标 混淆矩阵 正确率/准确率 精准率 召回率 F1分数 图像分割过 ...
- 准确率 召回率_机器学习中F值(F-Measure)、准确率(Precision)、召回率(Recall)
在机器学习.数据挖掘.推荐系统完成建模之后,需要对模型的效果做评价. 业内目前常常采用的评价指标有准确率(Precision).召回率(Recall).F值(F-Measure)等,下图是不同机器学习 ...
- 准确率(Precision)、召回率(Recall)以及F值(F-Measure)
在信息检索.分类体系中,有一系列的指标,搞清楚这些指标对于评价检索和分类性能非常重要,因此最近根据网友的博客做了一个汇总. 准确率.召回率.F1 信息检索.分类.识别.翻译等领域两个最基本指标是召回率 ...
- 机器学习:准确率(Precision)、召回率(Recall)、F值(F-Measure)、ROC曲线、PR曲线
增注:虽然当时看这篇文章的时候感觉很不错,但是还是写在前面,想要了解关于机器学习度量的几个尺度,建议大家直接看周志华老师的西瓜书的第2章:模型评估与选择,写的是真的很好!! 以下第一部分内容转载自:机 ...
最新文章
- python csv库,Python 中导入csv数据的三种方法
- Fastjson 1.2.66 版本发布,继续加固安全!
- linux find 文件夹下查找字符串
- 将搜索二叉树转换成双向链表
- python函数五要素_Python安装及关键要素
- echart 坐标数字间隔_用LaTeX优雅地绘制数字电路
- [016]转--C++拷贝构造函数详解
- 一文说通C#中的异步编程
- 2021牛客暑期多校训练营8 J-Tree(思维dp+rmq)
- 数据可视化组件Grafana详细解读--MacOSX上的安装
- 思科网络设备模拟器GNS3与SecureCRT关联
- Php怎么挑出不含4的数,关于 64 位 PHP 使用 PHP_INT_SIZE 输出得到 4 的问题
- 源码安装 nginx 并设置为 service
- 【OpenCV学习笔记】【教程翻译】二(车牌识别算法框架)
- swagger 参数
- 如何实现高性能的在线 PDF 预览
- 使用Smart3D进行倾斜摄影实景建模详细教程
- (7)目标检测之CNN、ResNet用于目标3D检测框的回归估计、3D检测框绘制
- 难过!能不能放下抢票套路,我只想买好好回家过年!我在网上抢火车票:多加了100元的加速包,却依然买不到票...
- 14个适合后台管理系统开发的前端框架,建议收藏!