推荐算法的准确率、精准度、召回率、F1值

推荐算法的准确率、精准度、召回率、F1值

1、简介

机器学习的分类问题常用评论指标有:准确率、精确度、召回率和F1值。

计算流程:

1、确定真实标签和预测标签
2、统计
真正例(True Positive)即TP
真反例(True Negative)即TN
假正例(False Positive)即FP
和假反例(False Negative)即FN
的个数
3、计算精准度、准确率、召回率、F1-score值
4、画图展示

适用范围:

# -*- coding: utf-8 -*-

"""
@contact: 微信 1257309054
@file: test.py
@time: 2024/5/18 17:24
@author: LDC

"""
适用于:图书用户协同推荐系统、网络小说推荐系统、旅游景点推荐系统、课程推荐系统、电影推荐系统
算法:用户协同过滤、物品协同过滤、随机森林、图神经网络算法、关联规则推荐算法、kmeans-聚类、神经网络学习

2、准确率(accuracy)

准确率衡量了模型预测正确的样本数占总样本数的比例。

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

打赏作者

东木月

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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