准确率,召回率,mAP(mean average precision)解释

本文通过实例解析查准率(Precision)与查全率(Recall)的概念,展示了如何计算并理解这两个指标在机器学习分类任务中的意义。

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

在这里插入图片描述

准确率Precision

召回率Recall

其实这个翻译相当蛋疼。。。

recall最合理的翻译应该是 查全率
而Precision的最合理的翻译应该是查准率

这样就很容易理解了,假设一个班级有10个学生,5男5女
你用机器找女生,机器返回了一下结果:
| 男 | 女 | 女 | 男 | 女 | 男 |

那么查准率为:3/6 = 0.5(返回的6个结果只有3个正确)
查全率为: 3/5 = 0.6 (所有女生有5个,但只找到3个)
参考文章:https://blog.youkuaiyun.com/leviopku/article/details/80835929

AP(准确均值)

下面对猫狗计算AP,可以看出纵坐标为Precision,横坐标为recall,那么AP也就是曲线围城的面积
在这里插入图片描述

mAP(平均准确均值)

mAP也就是多个类别的均值,这里以两类gt-label(0\1)为例
在这里插入图片描述
在这里插入图片描述下面介绍最新的VOC数据集计算方法
在这里插入图片描述
首先根据score(置信度)对列表从大到小排序。

top-N:这里选取列表前N列作为统计结果。

根据算法,按照recall(查全率)划分数据集,分别计算准确率;
取本次最大准确率作为该recall的准确率。

注意:对于top-N=6时,这里根据( r ≤ r ′ r \leq r' rr),也就是说取top-N>6,recall对应的任意的最大值,这里取的是4/7

评论 2
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