ML: accuracy, precision and recall

heyetiantian0611

已于 2025-07-17 23:01:31 修改

阅读量186

点赞数 2

CC 4.0 BY-SA版权

文章标签：深度学习

于 2025-01-22 17:33:10 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/heyetiantian0611/article/details/144736963

什么是TP, FP, TN, FN

TP = True Positive

FP = False Positive

TN = True Negative

FN = False Negative

		Prediction
		Positive	Negative
Actual	Positive	True Positive	False Negative
Actual	Negative	False Positive	True Negative

TPR

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

FPR

$FPR=\frac{FP}{FP+TN}$

Accuracy

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

Precision

$Precision = \frac{TP}{TP + FP}=\frac{TP}{Total Predicted Positive}$

Recall

$Recall = \frac{TP}{TP + FN} = \frac{TP}{Total Actual Positive}$

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。