以一个二分类为例,假设分类结果如表
预测结果 | 预测结果 | |||
正 | 负 | 总计 | ||
实际结果 | 正 | TP | FN | P |
实际结果 | 负 | FP | TN | N |
1.准确率(accuracy):分类正确的样本和总样本数之比:(TP+TN)/(T+N)
2.精确率(precision):分类为正的结果中,实际为正的结果的比例:TP/(TP+FP)
3.召回率(recall)/灵敏度(sensitivity):所有实际为正的样本中,被判断为正的比例:TP/P
4.F值:精确和召回的调和平均:
β为权重因子,确定更加倾向于P还是R,当β等于1时,退化为F1,此时二者一样重要。
P-R曲线即主要关注精确率和召回率的情况,选定多个阈值,高于这个阈值的定义为正,低于的为负,每次统计这一个阈值得到的P和R的值,作为横纵坐标值放在折线图中,最后连成线。
因篇幅问题不能全部显示,请点此查看更多更全内容
怀疑对方AI换脸可以让对方摁鼻子 真人摁下去鼻子会变形
女子野生动物园下车狼悄悄靠近 后车司机按喇叭提醒
睡前玩8分钟手机身体兴奋1小时 还可能让你“变丑”
惊蛰为啥吃梨?倒春寒来不来就看惊蛰
男子高速犯困开智能驾驶出事故 60万刚买的奔驰严重损毁