svm评价指标公式

最新推荐文章于 2024-12-15 15:18:19 发布

CHWYH

最新推荐文章于 2024-12-15 15:18:19 发布

阅读量6.9k

点赞数

CC 4.0 BY-SA版权

分类专栏： SVM 文章标签：召回率 recall 准确率accuracy 精确率precision svm评价指标 svm指标

本文链接：https://blog.youkuaiyun.com/CHWYH/article/details/48598189

SVM分类实验中，仅依赖单一指标无法全面评估算法性能。常用评价指标包括精确率(Precision)、召回率(Recall)、F-measure和准确率(Accuracy)。精确率衡量预测为正例中真正正例的比例，召回率表示所有正例被正确预测的比例，F-measure综合考虑精确率和召回率，而准确率是所有预测正确的样本占比。例如，一个班级男生80人，女生20人，某人挑出50人，其中20人是女生，误判30个男生，其accuracy为70%，precision为40%，recall为100%，F-measure为57.143%。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在做svm分类试验时，对于结果的处理，仅用一种指标很难得到正确评估算法的效果。所以，一般要用到precision（精确率），recall（召回率），F-measure、accuracy（准确率）四个指标。

首先认识四个与其相关参数：

	相关(Relevant),正类	无关(NonRelevant),负类
被检索到(Retrieved)	true positives(TP 正类判定为正类)	false positives(FP 负类判定为正类,"存伪")
未被检索到(Not Retrieved)	false negatives(FN 正类判定为负类,"去真")