【AI】基本概念-准确率、精准率、召回率的理解

最新推荐文章于 2025-07-03 17:36:03 发布

转载最新推荐文章于 2025-07-03 17:36:03 发布 · 1.8k 阅读

2 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/defineconst/p/10744859.html

本文详细解析了机器学习中常见的评估指标，包括准确率、精确率和召回率，并通过具体案例进行说明，帮助读者深入理解这些概念在实际应用中的意义。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

样本全集：TP+FP+FN+TN

TP：样本为正，预测结果为正

FP：样本为负，预测结果为正

TN：样本为负，预测结果为负

FN：样本为正，预测结果为负

准确率（accuracy）：（TP+TN）/ （TP+TN+FP+FN）

精准率（precision）：TP/（TP+FP），正确预测为正占全部预测为正的比例

召回率（recall）：TP/（TP+FN），正确预测为正占全部正样本的比例

假定手上60个正样本、40个负样本，系统查找了50正样本（TP+FP）,其中40个是正样本。

即：

TP = 40

TP + FP = 50 ，即FP = 10

FN = 60 - 40 = 20

TN = 40 - 10 = 30

准确率（accuracy） = （TP+TN）/ （TP + TN + FP + FN） = （40 + 30）/ 100 = 70%

精确率（precision） = TP / （TP + FP） = 40 / （40 + 10） = 80 %

召回率（recall） = TP / （TP+FN） = 40 / （40 + 20） = 2/3

转载于:https://www.cnblogs.com/defineconst/p/10744859.html

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

weixin_30839881

关注关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

【AI】图示：精确度（查准率）Precision、召回率（查全率）Recall

郭老二

07-25

1932

1、真假正负例真正例（True Positive， TP）：预测值和真实值都为1 假正例（False Positive，FP）：预测值为1，真实值为0 真负例（True Negative，TN）：预测值与真实值都为0 假负例（False Negative，FN）：预测值为0，真实值为1 2、精确度Precision 精确度Precision=正确预测个数预测集=TPTP+FP 精确度Pre...

模型评价指标----准确率、精准率、召回率、F1、ROC曲线、AUC曲线

m0_37737957的博客

08-28

1382

1、精确率（Precision）与召回率（Recall） 2、Precision-recall 曲线、F1-score与准确率（accuracy） 3、ROC、AUC 4、Per-Region-Overlap（PRO）

参与评论您还未登录，请先登录后发表或查看评论

AI论文中的精确率和 召回率 精简解释

白拾的博客

10-12

740

参考：精确率和召回率 @菜鸟瞎编评论精选：确实是这样的，真的怀疑定义这个的人脑子有坑，你说他第一个是预测值，第二个是真值不好吗，本来一个很简单的问题，搞得这么复杂。精确率是针对我们预测结果而言的，它表示的是预测为正的样本中有多少是真正的正样本。那么预测为正就有两种可能了，一种就是把正类预测为正类(TP)，另一种就是把负类预测为正类(FP)，也就是 P=TPTP+FPP=\frac{TP}...

【AI大模型】RAG智能客服的召回率与精准率，评测到底在评啥？看完这一篇你就懂了！！

Android23333的博客

07-03

717

有人说：“你这客服系统效果咋样？召回率多少？精准率多少？” 我陷入沉思：这测试集得怎么构建呢，怎么能覆盖用户的所有提问…… 👇来聊聊：在 RAG 智能客服项目中，召回率和精准率到底能不能用，它们评测的是什么，我们又是如何“真正评估”系统效果的？

准确率，精准率，召回率 - 机器学习性能评估指标

迟来大师的博客

05-28

575

准确率就是“找的对”，精准率就是“ 召回率就是“找的全” 准确率（Accuracy）：就是判断正确的占总数的比例。 Accuracy=（TP+TN） / （TP+FP+TN+FN) = (40+30)/100 = 70%

【AI知识点】召回率、精确率、准确率、F1-score和混淆矩阵

AI完全体

10-09

1546

召回率、精确率、准确率、F1-score和混淆矩阵，这些是评估一个分类模型性能的常用指标，我们可以通过一个简单的二分类问题来说明它们的区别。这个例子是关于邮件垃圾分类的场景，假设我们要训练一个分类器来区分电子邮件是否是垃圾邮件。

人工智能精确率 召回率 准确率 概念及用法理解

jackylzh的专栏

12-16

757

置信度阈值用于判断是是P还是N。IOU阈值用于判断是是T还是F。

人工智能100问 - 5 什么是准确率、召回率、 F 值、 ROC 曲线、 AUC？

03-21

2586

当我们训练好一个模型，如何衡量它的好坏呢？这个时候我们需要一系列的数量化的指标，通过这些指标的高低，对模型的优劣进行判断。一、准确率和召回率 准确率和召回率是每个模型都会去看的指标。 准确率 = 选出的正确信息条数 / 选出的信息总条数 召回率= 选出正确信息条数 / 样本中的信息条数举个栗子，我们有100个苹果有90个是好的，10个是坏的。我们弄了一个算法来找出坏的苹果。我们...

准确率，精准率，召回率，真正率，假正率，ROC/AUC

chase

08-24

4万+

准确率，精准率，召回率，真正率，假正率，ROC/AUC

如何通俗理解准确率、精确率、召回率、F1score、AUC、ROC

An_oak的博客

08-13

6195

本文我会用最通俗的语言帮助大家快速理解并记住准确率、精确率、召回率、F1score，AUC、ROC以及特异度。这些指标其实乍一看能知道都是什么，但是一用起来记不住定义。

机器学习指标：准确率、精准率、召回率、F1、ROC曲线、AUC曲线

大鹏的专栏

10-19

1485

还是拿之前的例子，总样本中，90% 是正样本，10% 是负样本。这里，TPR 只关注 90% 正样本中有多少是被真正覆盖的，而与那 10% 毫无关系，同理，FPR 只关注 10% 负样本中有多少是被错误覆盖的，也与那 90% 毫无关系，所以可以看出：如果我们从实际表现的各个结果角度出发，就可以避免样本不平衡的问题了，这也是为什么选用 TPR 和 FPR 作为 ROC/AUC 的指标的原因。举个简单的例子，比如在一个总样本中，正样本占 90%，负样本占 10%，样本是严重不平衡的。这样不利于模型的学习。

机器学习中的召回率与准确率详解

聚娃科技开发者博客

06-28

1163

在实际应用中，分类器的性能评估不仅仅依赖于分类的准确性，还需要考虑分类器对正例的识别能力（召回率）以及正例预测的准确性（准确率）。在机器学习领域中，召回率（Recall）和准确率（Precision）是两个重要的评估指标，用于衡量分类模型的性能和效果。其中，TP（True Positive）表示真正例的数量，FP（False Positive）表示假正例的数量。在上述示例中，我们定义了计算准确率和召回率的方法，并演示了如何使用这些方法来评估分类器的性能。

分类模型评估指标——准确率、精准率、召回率、F1、ROC曲线、AUC曲线

ZJQ的博客

08-27

4517

机器学习模型需要有量化的评估指标来评估哪些模型的效果更好。本文将用通俗易懂的方式讲解分类问题的混淆矩阵和各种评估指标的计算公式。将要给大家介绍的评估指标有：准确率、精准率、召回率、F1、ROC曲线、AUC曲线。

AI模型评估指南：准确率、召回率、F1值到底怎么用

我是二川兄，对Web开发、GIS开发、3D模型、机器学习、面试技巧等方面都有一些涉猎~ 欢迎您加入技术交流圈！你可以在我的文章末尾找到我~

05-27

2829

AI模型评估指南：准确率、召回率、F1值到底怎么用

精准率和召回率

跟着大数据和AI去旅行

06-26

806

预测为真且实际为真/预测为真：精确率（查准）预测为真且实际为真/实际为真：召回率（查全）实际上非常简单，精确率是针对我们预测结果而言的，它表示的是预测为正的样本中有多少是真正的正样本。那么预测为正就有两种可能了，一种就是把正类预测为正类(TP)，另一种就是把负类预测为正类(FP)，也就是 P=TPTP+FPP=TPTP+FP P = \frac{TP}{TP+FP} ...

AI智能质检优化实践：召回率和准确率，哪个更重要？

循环智能（Recurrent AI）

03-17

2949

图：美剧《了不起的麦瑟尔夫人》很多企业拥有中大型电销或客服中心，每天与客户产生成千上万次沟通。沟通的质量，决定了企业的收入或客户满意度。企业监督业务人员的沟通质量和执行力的过程，被称为质检。前两篇文章，我们介绍了“关键词+正则”质检方式和全新的“非正则”质检方式的区别，也介绍了两种机器质检方式各自适配的场景。双模质检，各司其职。“非正则”质检方式通过引入深度学习算法模型，能够更好地...

什么是召回率？？