准确率precision 召回率recall tp tn fp fn

girafffeee

于 2017-06-28 15:05:09 发布

阅读量3.8k

点赞数

CC 4.0 BY-SA版权

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/zhangjunbob/article/details/73844940

本文解释了机器学习评估指标中真阳性（TP）和假阳性（FP）的概念，并介绍了如何通过这些概念来计算准确率和召回率。对于理解模型预测的准确性至关重要。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

T/F表示 true/false 表示预测的是不是对的

P/N表示 positive/negative 表示预测的结果是1还是0

TP: 预测为1，实际为1，预测正确

FP: 预测为1，实际为0，预测错误

TN: 预测为0，实际为0，预测正确

FN: 预测为0，实际为1，预测错误

准确率precision： TP/ (TP+FP)

召回率recall： TP/ (TP +FN)

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。