机器学习#4性能度量中的错误率和精度

本文深入探讨了机器学习中关键的性能度量指标——错误率和精度。解释了它们的概念,即错误率是分类错误的样本数占比,而精度则是分类正确的样本数占比。并指出在所有情况下,错误率等于1减去精度。

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

为什么介绍这两种方法?

因为他们适用于二分类任务,也适用于多分类任务。

 

什么是错误率和精度?

错误率是分类错误的样本数占样本总数的比例,精度则是分类正确的样本数占样本总数的比例。

 

对于这两种性能度量的方法的定义?

是从性能度量的公式中导出来的,在实数范围内就是一个均值的求解,

在从性能度量的概率密度的公式中同样能导出这两种的公式,但在同两种情况下

都是错误率=1-精度。

 

 

 

评论
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