召回率，精确度，准确率，F1分数的区别

wxyczhyza

已于 2022-11-22 17:05:12 修改

阅读量822

点赞数 1

分类专栏： # pytorch 文章标签：深度学习人工智能

于 2022-11-14 14:41:15 首次发布

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/wxyczhyza/article/details/127846835

版权

pytorch 专栏收录该内容

5 篇文章

订阅专栏

本文通过口诀介绍了机器学习中常用的评估指标：召回率（对阳比全阳）、精度（对阳比标阳）和准确率（对比所有）。这些指标用于衡量模型分类性能，帮助优化算法。同时，提到了F1分数作为精度和召回率的调和平均值，是评估模型综合性能的重要参考。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

三个指标公式好容易搞混，简单做了个区别和记忆口诀：

1. 召回率Recall

定义：正确被分类为阳性的样本占数据集全部阳性样本的比例，找的全。

公式：

$Recall=\frac{TP}{P}=\frac{TP}{TP+FN}$

口诀：对阳比全阳。

2. 精度precision

定义：正确被分类为阳性的样本占所有被分类标为阳性样本的比例，找的对。

公式：

$Precision=\frac{TP}{TP+FP}$

口诀：对阳比标阳。

3. 准确率accuracy

定义：被正确分类的所有样本占数据集所有样本的比例，对就行。

公式：

$Accuracy=\frac{TP+TN}{ALL}$

口诀：对比所有。

3. F1分数

定义：精度和召回率的调和平均值。

公式：

$F1 Score = \frac{2*Precision*Recall}{Precision+Recall}$

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。