分类精度评价指标
【分类精度评价指标】
文章图片
文章图片
True Positive (TP)
False Positive (FP)
False Negative (FN)
True Negative TN
准确率(accuracy) = 预测对的/所有 = (TP+TN)/(TP+FN+FP+TN)
精确率(precision) = TP/(TP+FP)
召回率(recall) = TP/(TP+FN)
1. 查准率(precision)
正确率 = 提取出的正确信息条数 /提取出的信息条数
2. 查全率(recall)
召回率 = 提取出的正确信息条数 /样本中的信息条数
https://www.zhihu.com/question/19645541
http://www.cnblogs.com/bluepoint2009/archive/2012/09/18/precision-recall-f_measures.html
http://blog.sciencenet.cn/blog-460603-785098.html
http://www.cnblogs.com/zhizhan/p/4870429.html
http://blog.sina.com.cn/s/blog_670ee7720102vjxg.html
http://bookshadow.com/weblog/2014/06/10/precision-recall-f-measure/
http://www.cnblogs.com/zhaokui/p/ml-metric.html
推荐阅读
- jQuery插件
- 1.2序列通用操作
- 2020-08-25冷焊机补轴,温度低精度高,焊后手可以摸,内应力小不变形
- 茶叶分类(五)(茶叶分为六大类,做茶的人只分两类)
- 权限管理-linux常用命令大全[功能分类]
- 基金课程学习笔记分享-2(基金的分类)
- python对数据进行分类|python对数据进行分类、文件是csv文件_用Python将处理数据得到的csv文件分类(按顺序)保存...
- 数据库设计小知识
- 震撼!洛阳开始垃圾分类啦!
- 《繁凡的深度学习笔记》|一文绝对让你完全弄懂信息熵、相对熵、交叉熵的意义《繁凡的深度学习笔记》第 3 章 分类问题与信息论基础(中)(DL笔记整理