miffy_love_zyx的博客

读论文的时候又遇到了这几个，precision和recall没什么好说的，精确率和召回率，如果不了解的话可以看看小米菲的另一篇博客~通俗解释查准率和查全率的区别。准确率其实和精确率、召回率这两者也有很大关系：看到了吗，回到上篇博文的西瓜问题，其实precision关注的都是我挑出的的真正好瓜（正例）占我挑出的瓜的比例；而recall关注的是我挑出的真正好瓜（正例）占瓜农那里好瓜总数的比例。PNTTPTNFFPFNP（Positive）表示我目前预测这个西瓜

还记得自己在牛客刷一道题，发现一直傻傻分不清楚查准率（Precision）和查全率(Recall)。在不同书上的翻译不同，也有人把Precision和Recall称为精确率和召回率。那么这两者到底有什么区别呢？通俗一点来说，现在我要从瓜农那里买瓜，假设瓜农卖300个瓜，其中150个是好瓜，150个是坏瓜。我现在并不差钱，因此我决定从瓜农那里买下所有的好西瓜。 作为顾客，我当然想吃又甜又新鲜的西瓜。由于不能一个一个剖开来尝——防止瓜农打我，我只能评以往的经验来挑出所有的好西瓜。通过听声音，观.

极大似然估计一般来说，在有一组样本X1，X2，X3，…,Xn；取值x1,x2,…,xn。我们不知道这些样本所属总体服从的具体分布，但是我们知道他们和未知参数结合的形式——比如上述样本的概率分别为p（x1，θ1，θ2，…,θn),p（x2，θ1，θ2，…,θn),…,p（xn，θ1，θ2，…,θn).那么现在如何对未知的参数θ1，θ2，…,θn进行估计以确定样本的函数？那就是将这些样本对应的分布乘起来构建似然函数，再通过对似然函数求极大值，获得各个参数的取值。这个思想不是凭空出现的，比如扔色子，我们