DeepLearning 常用衡量指标

深度学习常用的评价指标有:

准确率 （Accuracy），混淆矩阵 （Confusion Matrix），精确率（Precision），召回率（Recall），F1

 

 

准确率：即常规想法的准确率评价，直白点就是，预测对的样本的比例，即:

                                                            预测正确样本数量 / 样本总量

 

精确率与召回率:

先定义两个定义:  用 positives 表示正样本，negatives表示负样本，True 表示预测正确，False表示预测错误

True positives(tp): 正样本被正确识别为正样本

True negatives(tn): 负样本被正确识别为负样本

False positives(fp): 负样本被识别为正样本

False negatives(fn): 正样本被识别为负样本

则精准率就可以表示为:

   

则召回率就可以表示为:

 

具体来说，精准率和召回率都是为了描述正样本而提出的。

精准率即为正样本的准确率，即被识别为正样本的样本中，真正为正样本的比例。

召回率即为能被识别出的正样本的准确率，即在所有的正样本中，能被正确识别出来的比例。

F1分数：