锐客网

  1. 首页 > 睿知 > >

分类算法准确率和召回率的分析,下面关于分类算法的准确率,召回率,F1

经验分享睿知

A 准确率，召回率 。分类 算法是分类两类:经典算法和深度学习算法，经典算法 main，深度学习算法主要有前向神经网络和循环神经网络；分类 分类模型的评价指标有很多，比如准确率、准确率、召回率等，指标的具体选择取决于任务的目的 。

1、评价 分类器的好坏的几种方法PrecisionRecallF1ROCAUC 准确率和召回 Rate应用于信息检索和text分类text classification如果我们进行一个样本集分类 ， 那么会有四种结果:classified positive classified negative actual positive etpfnactuanativefptnwhere:tptrue positive fpfalse positive efenegative tntrue negative上表 。晶格被称为混淆矩阵 。接下来我们引入三个指标来评价分类: 1 。准确率Precision:表示有多少预测为正的样本是真正的正样本 。

2、查准率(Precision在处理分类问题时，我们会遇到一种情况:假设一个二进制分类问题:假设我们的预测算法是:这个算法忽略了特征值，不管 。毫无疑问，这是一个坏的算法，但是在测试集中 ， 99%的样本输出，1%的样本输出 。这样计算预测的错误率算法时，错误率会达到1%，这是很糟糕的情况 ， 一个完全错误的 。

处理这种情况 ， 需要参考上面的精度和召回比值的表格，提到了四个概念 。TP(真阳性)预测为真的样本数 。FP(假阳性)预测为真的样本数确实为假 。FN(假阴性)预测为假但实际为真的样本数 。TN(真阴性)预测为假的样本数 。举个例子说明对部分患者是否患癌的预测 。假设有100个样本 ， 真实情况是其中10个得了癌症 。通过预测功能，其中12人得了癌症，8人真的得了癌症 。

3、 召回率(R值一直听说这些词，但是很容易忘记 。让我们把它们记录在这里 。希望对大家理解有帮助 。首先我们来做个总结:准确率是针对我们的预测结果，也就是说有多少预测为正的样本是真正的正样本 。召回 rate是针对我们的原始样本，表示样本中有多少正例预测正确 。公式如下:假设此时我想吃香蕉，实验室里每天会安排10个水果 。水果的种类有6个香蕉，3个橘子，1个菠萝 。

【分类算法准确率和召回率的分析,下面关于分类算法的准确率,召回率,F1】我们分别求p值，r值，f值，哈哈！按照我们开头说的，准确率是针对我们的预测结果，也就是说有多少预测为正的样本是真正的正样本 。我们这里的阳性样本就是我想吃的香蕉！在预测结果中，香蕉有2个，总数为5，那么P值的计算如下:召回 rate (R值)根据期初汇总 。召回 rate是针对我们的原始样本，表示样本中有多少正例预测正确 。

    推荐阅读


    上一篇：语义分析模型,2022语义分割模型

    下一篇：路由实验的总结分析,ospf路由配置实验总结