机器学习中的精确度、召回率、F1分数
- 开发
- 31
-
精确度与召回率
- 上图左边为混淆矩阵，四个区域分别为：真阳性（True positive），真阴性（True negative），假阳性（False positive），假阴性（False negative）。
- 精确度为预测y=1，真正为y=1的概率有多少。即 True positive / Predicted Class
- 召回率为在所有真正为y=1的例子中，我们预测y=1的概率有多少。即True positive / Actual Class
- 精确度高：说话靠谱，召回率高：遗漏很少
参考文章
F1分数
- 合并精确度和召回率，即取它俩的调和平均数（F1），通过F1的值来判断模型的好坏
- 调和平均数是强调较小值的平均数
补充：其他性能评价指标
原文地址:https://blog.csdn.net/m0_52775136/article/details/138572246
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。
本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若转载，请注明出处：https://www.suanlizi.com/kf/1789827928759078912.html
如若内容造成侵权/违法违规/事实不符，请联系《酸梨子》网邮箱：1419361763@qq.com进行投诉反馈，一经查实，立即删除！
