MacKendy的博客

1.评价指标在机器学习、深度学习快速发展的时代，模型和技巧层出不穷，那么就需要有一定的指标去量化地评价这些新的idea，是否work，优化的幅度有多大。2.混淆矩阵在分类任务中，通常可以用混淆矩阵比较直观地分析，各类别的预测准确度，模型在哪个类别的性能较低，以确定后续优化的方向。预测 \ 标签猫狗总计猫16117狗41923总计202040据混淆矩阵所示，共40张图待预测，其中20张猫、20张狗。可直观得知，模型对于狗的预测效果更好。此

1. 引言Average Precision的原理可见 多标签图像分类任务的评价方法-mAP ，个人感觉文章对计算流程、PR曲线(Precision-Recall)、图例都展示得比较好。另外，忘记从哪篇文章中提到的一句讲得特别精髓，大致意思如下：对confidence socre降序排列后，再把第k行作为top-k的分界线，进行Precision和Recall的计算。所以我们计算AP是对conf排序后，从上往下的计算，一直从top-1到top-N。通常情况下，从top-1到top-N伴随的是召