机器学习性能指标 （accuracy精度， precision查准率准确率，recall查全率召回率，F1值，ROC曲线，PR， AOC）

最新推荐文章于 2025-03-24 18:38:10 发布
最新推荐文章于 2025-03-24 18:38:10 发布
阅读量3.6k 收藏 35
点赞数 8
分类专栏： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_36607894/article/details/108827808
版权

文章目录


参考文章1
参考文章2

分类任务

混淆矩阵

在这里插入图片描述

在这里插入图片描述

混淆矩阵，是一个两行两列的矩阵，由TP, FP, FN, TN组成，对角线上是TP和TN， 即分类正确的，而不再对角线上的都是分类错误的。如：
在这里插入图片描述

如果不是二分类，则混淆矩阵可以不局限为两行两列，但是仍然只有对角线是分类正确的，对角线之外都是错误的。如：

在这里插入图片描述

精度 accuracy

在这里插入图片描述
即：分类正确的总个数/总样本数

一直对这几个指标稀里糊涂，今天终于明白了，原来我一直用的是accuracy（幸好没在论文里用错词哈哈）

最低0.47元/天 解锁文章
机器学习理论之mAP 查全率 查准率 IoU ROC PR曲线 F1值
学习中
10-31 495
机器学习理论之mAP 查全率 查准率 IoU ROC PR曲线 F1值
准确率，查准率，查全率，ROC曲线，AUC面积
weixin_38740463的博客
12-29 2473
准确率Precision 查全率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 例1： 一个相机，作有无目标的二分类问题： 实际中，1s取了10帧，其中有9帧是有目标的（本真：TP+FN） 预测中， 其中7帧预测到了目标，其中只有5帧是正确检测的（预真） 则，查准率为： 5/7 查...
准确率（accuracy）、精确率（precision）、召回率（recall）
热门推荐
Cheese_pop的博客
10-13 5万+
整理了知乎上的前两个回答，https://www.zhihu.com/question/19645541 其中精度是检索出相关文档数与检索出的文档总数的比率，衡量的是检索系统的查准率；召回率是指检索出的相关文档数和文档库中所有的相关文档数的比率，衡量的是检索系统的查全率。一般来说，Precision就是检索出来的条目（比如：文档、网页等）有多少是准确的，Recall就是所有准确的条目有多少被检索
精确率（Precision）、准确率（Accuracy）和召回率（Recall）详解
最新发布
Gsen2819的博客
03-24 3013
Accuracy = (90 + 180) / (90 + 180 + 10 + 20) = 270 / 300 = 0.9 或 90%FN (False Negative)：假负例，即实际为正类但被模型错误预测为负类的样本数。FN (False Negative)：假负例，即实际为正类但被模型错误预测为负类的样本数。TP (True Positive)：真正例，即实际为正类且被模型正确预测为正类的样本数。TP (True Positive)：真正例，即实际为正类且被模型正确预测为正类的样本数。
Accuracy和Precision
fourierr的博客
09-20 2963
准确率、查准率、召回率
VictorLee
09-28 1454
混淆矩阵 True Positive(真正，TP)：将正类预测为正类数 True Negative(真负，TN)：将负类预测为负类数 False Positive(假正，FP)：将负类预测为正类数误报 False Negative(假负，FN)：将正类预测为负类数→漏报 1、 准确率（Accuracy） 定义：就是被分对的样本数除以所有的样本数，通常来说，正确率越高，分类器越好。 Acc=(T...
模型评价指标：精准率（Precision）、召回率（Recall）和准确率（Accuracy）
四月的博客
08-07 1万+
机器学习做分类任务得到结果后，往往需要一些指标来评价模型效果，常用到的就有精准率（Precision）、召回率（Recall）和准确率（Accuracy），在不同场景需要看不同指标。 下图表示的是一个二分类的混淆矩阵： 预测值 真实值 Positive（1） Negative（0） Positive（1） True Positive (TP) False Negative (FN) Negativ...
机器学习基础概念：查准率、查全率、ROC、混淆矩阵、F1-Score 机器学习实战：分类器
12-21
本文将深入探讨几个关键概念：查准率（Precision）、查全率（Recall）、ROC曲线、混淆矩阵以及F1-Score，这些都是衡量分类器效能的重要指标。 查准率和查全率是评价二分类问题中模型性能的两个基本指标。查准率...
机器学习中的性能指标：精度、召回率，PR曲线，ROC曲线和AUC，及示例代码
weixin_44336181的博客
04-03 3675
机器学习中的性能指标：精度、召回率、PR曲线，ROC曲线和AUC精度、召回率基本概念F-Score度量曲线PR曲线使用[scikit-learn官方代码](https://scikit-learn.org/stable/auto_examples/model_selection/plot_precision_recall.html#sphx-glr-auto-examples-model-selection-plot-precision-recall-py)示例：ROC曲线PR曲线和ROC曲线的比较AUC
【错误率、精度、查准率、查全率和F1度量】详细介绍
Microstrong
04-14 4万+
关注微信公众号【Microstrong】,我现在研究方向是机器学习、深度学习，分享我在学习过程中的读书笔记！一起来学习，一起来交流，一起来进步吧！本文同步更细在我的微信公众号中，公众号文章地址：https://mp.weixin.qq.com/s?__biz=MzI5NDMzMjY1MA==&mid=2247484127&idx=1&sn=9e59dc3f6f8a152e6...
分类指标准确率(Precision)和正确率(Accuracy)的区别
win_in_action的专栏
05-17 6627
分类是一种重要的数据挖掘算法。分类的目的是构造一个分类函数或分类模型（即分类器），通过分类器将数据对象映射到某一个给定的类别中。分类器的主要评价指标有准确率(Precision)、召回率(Recall)、Fb-score、ROC、AOC等。在研究中也有采用Accuracy（正确率）来评价分类器的。但准确率和正确率这两个概念经常有人混了。 准确率(Precision) 和召回率(Recall)
Accuracy and precision
weixin_30674525的博客
07-25 854
From Wikipedia！！ ：Accuracy is the proximity of measurement results to the true value; precision, the repeatability, or reproducibility of the measurement In the fields ofsc...
查全率，查准率，准确率区别？
weixin_44943389的博客
05-09 2658
在二分类问题中，通常会使用以下三个指标来评估模型的性能：查准率（Precision）、查全率（Recall）和准确率（Accuracy）。查准率（Precision）：表示所有预测为正例的样本中，真正为正例的样本占比。计算公式为 Precision = TP / (TP + FP)，其中 TP 表示真正例的数量，FP 表示假正例的数量。查准率越高，说明模型预测为正例的样本中真正为正例的比例越高，模型的误判率越低。查全率（Recall）：表示所有真正为正例的样本中，被模型预测为正例的样本占比。
accuracy precision recall
Innovat1on的博客
02-26 329
注意，这三个量都是模型的评判指标，是在test data检测进行 accuracy:就是在test data进行模型测试，预测对的样本数/总样本数 precision: 可见在precision中分母是所有预测值为positive的样本 recall： 在recall中分母是实际值为positive的样本 ...
机器学习扫盲---常见学习效果指标说明(并附基于sklearn库计算AUC)
qq5q13638的博客
10-28 5557
导语就我们在使用机器学习对数据库进行训练的时候会用到很多指标对这种方法的结果进行评估，本文就学习一些常见的评估方法吧。指标说明嗯嗯现在我们开始说一般有哪些指标（其实通常是在医学的研究中），我们选取了一张我们导师给我的图（艾玛具体是从哪篇论文中找出来的我还真不清楚，暂且忽略这个吧，仿真我也不用它的结果，只是看看有哪些指标）看到了一堆指标吧，我们一个一个来说 ·Accuracy：准确度，看这个名字应
【详细解释深度学习图像分类&检测评价指标】准确率Accuracy、精确率Precision、召回率Recall、mAP等(一文搞懂，建议收藏)
cqy阳的博客
01-24 1万+
【详细解释深度学习图像分类&检测评价指标】准确率Accuracy、精确率Precision、召回率Recall、mAP等(一文搞懂，建议收藏)
【深度学习】Precision、Accuracy的区别，精确率与准确率：深度学习多分类问题中的性能评估详解
q742971636的博客
06-13 4951
准确率表示模型总体的预测正确率。精确率表示模型在预测某一特定类别时的准确性。在不平衡数据集上，准确率可能会因为多数类的样本占比高而显得较高，而精确率则能更好地反映模型在少数类上的表现。因此，在实际应用中，通常需要结合多种指标来全面评估模型性能。
详解分类指标Precision，Recall，F1-Score
酒酿小圆子呀～
07-20 7188
在使用机器学习算法的过程中，我们需要对建立的模型进行评估来辨别模型的优劣，下文中主要介绍常见的几种评估指标。以下指标都是对分类问题的评估指标。在二分类任务中，假设只有正类（1）和负类（0）两个类别，True（1）和False（0）分别表示预测结果对或错；Positive（1）和Negative（0）表示预测为正类或负类。这里：True/False代表判断结果是否正确，Positive/Negative代表预测类别结果。
Precision(查准率) 、Recall(查全率)、F1-Score(F-Measure)、Accuracy(准确率)
HachiLin的博客
03-17 2901
一、机器学习中算法常用的评测标准 二、Precision(查准率) and Recall(查全率) 以预测病人是否有癌症为例子，假设y=1y=1y=1代表病人有癌症。下面是我从吴恩达老师的机器学习课程中截取的图片： True Positive(真正，TP)： 将正类预测为正类数 True Negative(真负，TN)： 将负类预测为负类数 False Positive(假正，FP)： 将负类...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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