precision recall曲线Matlab实现

最新推荐文章于 2025-06-04 10:49:46 发布

小白菜加油

最新推荐文章于 2025-06-04 10:49:46 发布

阅读量9.7k

点赞数

CC 4.0 BY-SA版权

分类专栏： Image Retrieval

本文链接：https://blog.youkuaiyun.com/willard_yuan/article/details/33807325

本文介绍了在信息检索中如何使用Matlab绘制Precision Recall曲线，引用了Iterative Quantization和Binary Reconstructive Hashing的相关代码，并强调了使用成熟代码的重要性。通过计算查询样本与数据库的汉明距离来确定Groundtruth，进而得到Precision和Recall。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

原文来自我的博客：precision recall曲线Matlab实现

在用哈希进行检索时，常会用到precision recall曲线对其性能进行定量评价。precision recall的定义在信息检索评价指标中已做了详细说明，这里再记录一下precision recall的具体实现。

precision recall曲线matlab一般使用的都是下面的版本：

function [recall, precision, rate] = recall_precision(Wtrue, Dhat)
%
% Input:
%    Wtrue = true neighbors [Ntest * Ndataset], can be a full matrix NxN
%    Dhat  = estimated distances
%
% Output:
%
%                  exp. # of good pairs inside hamming ball of radius <= (n-1)
%  precision(n) = --------------------------------------------------------------
%                  exp. # of total pairs inside hamming ball of radius <= (n-1)
%
%               exp. # of good pairs inside hamming ball of radius <= (n-1)
%  recall(n) = --------------------------------------------------------------
%                          exp. # of total good pairs 

max_hamm = max(Dhat(:))
hamm_thresh = min(3,max_hamm);

[Ntest, Ntrain] = size(Wtrue);
total_good_pairs = sum(Wtrue(:));

% find pairs with similar codes
precision = zeros(max_hamm,1);
recall = zeros(max_hamm,1);
rate = zeros(max_hamm,1);

for n = 1:length(precision)
    j = (Dhat<=((n-1)+