(一)、什么是准确率?
准确率是指分类正确的样本占总样本个数的比例,其定义如下所示:
Accuracy=ncorrectntotalAccuracy=\frac{n_{correct}}{n_{total}}Accuracy=ntotalncorrect其中AccuracyAccuracyAccuracy指的是准确率,ncorrectn_{correct}ncorrect指的是被分类正确的样本数,ntotaln_{total}ntotal指的是分类样本的总数目
(二)、什么是精确率?
精确率是指分类正确的正样本个数占分类器判定为正样本的样本个数的比例,其定义如下所示:
Precision=ntcorrectntclassficationPrecision=\frac{nt_{correct}}{nt_{classfication}}Precision=ntclassficationntcorrect其中PrecisionPrecisionPrecision指的是精确率,ntcorrectnt_{correct}ntcorrect指的是被分类正确的正样本数,ntclassficationnt_{classfication}ntclassfication指的是被分类器判定为正样本的样本数目
(三)、什么是召回率?
召回率是指分类正确的正样本个数占总样本中真正的正样本数目的比例,其定义如下所示:
Recall=ntcorrectntoriginalRecall=\frac{nt_{correct}}{nt_{original}}Recall=ntoriginalntcorrect其中RecallRecallRecall指的是召回率,ntcorrectnt_{correct}ntcorrect指的是被分类正确的正样本数,ntoriginalnt_{original}ntoriginal指的是总样本中真正的正样本数目
(四)、什么是F1 score?
F1 score是精确率与召回率的调和平均值,其定义如下所示:
F1=2×precision×recallprecision+recallF1=\frac{2\times precision\times recall}{precision+recall}F1=precision+recall2×precision×recall
本文详细介绍了准确率、精确率、召回率和F1 Score的概念,它们是评估分类模型性能的重要指标。准确率是分类正确的样本占比,精确率是正确正样本占分类器判定正样本的比例,召回率是正确正样本占总正样本的比例,而F1 Score则是精确率和召回率的调和平均值,用于综合评价模型性能。
1927

被折叠的 条评论
为什么被折叠?



