訓練出的結果有一下四種
預測結果 | 實際結果 | |
---|---|---|
TP | 正 | 正 |
FN | 正 | 反 |
FP | 反 | 正 |
TN | 反 | 反 |
有三個指標判斷人工智能訓練模型的單方面好壞
- 正確率(accuracy) = TP+TN/TP+FN+FP+TN
- 精確率(precision) = TP/TP+FP
- 召回率(recall) = TP/TP+FN
一、F1值
F值是精確率和召回率的調和平均
F1值是a取1的情況
一般比賽就用F1值。當F1值相差不大時,再看正確率(accuracy)。
二、受試者工作特徵曲線(ROC)
橫座標是FP,縱座標是TP。
曲線的面積(AUP)越大,表面正確率越高,曲線越光滑,過擬合程度越低。
b的面積 > a的面積,則b的正確率 > a的正確率。