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。