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!