机器学习评价指标

本文详细介绍了机器学习模型的评价指标,包括准确性、错误率、精确度、召回率、PR曲线、AP、mAP、F-Measure、ROC曲线、AUC、IoU以及Top1和TopK等。这些指标用于评估模型的性能,如精度与召回率之间的平衡,以及在类别不平衡问题中的表现。理解这些指标对于优化和选择合适的模型至关重要。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

机器学习中的评价指标

  当一个机器学习模型建立好了之后,即模型训练已经完成,我们就可以利用这个模型进行分类识别。  

正例,所关注的识别目标就是正例。

负例,正例以外就是负例。

   TPFNTNFP的各自含义(其中T代表TrueF代表FalsePPositivesNNegatives):

 

 

 

 

   混淆矩阵

 

真实正例

真实负例

检测正例

TP

FP

检测反例

FN

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值