性能評估指標（Precision, Recall, Accuracy, F1-measure）

原創

2020-02-20 23:39

一個例子

首先我們看下面的一個表格，也是經典的二分類問題，常常會看見的表格：

如上表所示，行表示預測的label值，列表示真實label值。TP，FP，FN，TN分別表示如下意思：

我平時用到的最多的兩個指標就是precision 和 recall, 翻譯過來就是精準率和召回率, 以及F1 值 F1 只是 F-measure 中特殊的一種情況

Precision 精準率

precision 表示的是被識別爲正類別的樣本中，確實爲正類別的比例是多少？

$Precision = \frac{TP}{TP + FP}$

當我們有ground truth 的時候，舉個例子，我的GT不是二分類問題，GT指出了所有的正樣本，這個時候我們要計算

在所有的正類別樣本中，被正確識別到的比例是多少？

$Recall = \frac{TP}{TP+FN}$

要全面評估模型的有效性，必須同時檢查精確率和召回率。遺憾的是，精確率和召回率往往是此消彼長的情況。也就是說，提高精確率通常會降低召回率值，反之亦然。

$Accuracy = \frac{TP+TN}{TP + FP + TN + FN}$

$F1-score = \frac{2 \times recall \times precision}{recall + precision}$

F1-score表示的是precision和recall的調和平均評估指標。

發佈了277 篇原創文章 · 獲贊 568 · 訪問量 136萬+

發表評論

所有評論

還沒有人評論，想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.