精确率是针对我们预测结果而言的,它表示的是预测为正的样本中有多少是真正的正样本。那么预测为正就有两种可能了,一种就是把正类预测为正类(TP),另一种就是把负类预测为正类(FP),也就是

召回率是针对我们原来的样本而言的,它表示的是样本中的正例有多少被预测正确了。那也有两种可能,一种是把原来的正类预测成正类(TP),另一种就是把原来的正类预测为负类(FN)。

其实就是分母不同,一个分母是预测为正的样本数,另一个是原来样本中所有的正样本数。
精确率=预测正类对的/预测为正类的=TP/(TP+FP)
准确率(accuracy) = 预测对的/所有 = (TP+TN)/(TP+FN+FP+TN)
召回率=预测正类对的/预测为正类正确的+本来为正类预测为负类的=TP/(TP+FN)
精确率、召回率、准确率
本文详细解析了精确率、召回率与准确率的概念及其计算方式,阐述了这些指标在评估机器学习模型性能时的重要作用。精确率关注预测为正的样本中有多少是真正的正样本,而召回率则关注原本的正样本中有多少被正确预测。准确率则是衡量整体预测正确性的比例。

被折叠的 条评论
为什么被折叠?



