评价指标

本文详细介绍了分类评价指标,包括查准率、查全率(召回率)、ROC曲线(AUC)及其应用场景。查准率和查全率是衡量分类效果的重要指标,两者之间存在矛盾。ROC曲线通过真正例率和假正例率描绘了不同阈值下的分类性能。此外,还提到了TOP-1和TOP-5错误率在评估多类别预测时的作用。

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

1.查准率、查全率(召回率)

  • 查准率:反映了被分类器判定的正例中真正的正例样本的比重

           查准率(Precision)=精确度=precision=TP/(TP+FP)

  • 查全率:反映了被正确判定的正例占总的正例的比重

          查全率(recall)=召回率recall=TP/(TP+FN)

  •  正确率、准确率:反映了分类器统对整个样本的判定能力——能将正的判定为正,负的判定为负

          Accuracy =正确率=准确率=(TP+TN)/Total examples

  • 查全率和查准率是一对矛盾的度量,一般情况(查全率高时,查准率高;反之)。
  • 在很多情况下,我们可以根据学习器的预测结果对样例进行排序,排在前面的是学习器认为最可能是正例的样本,排在后面的是学习器认为最不可能是正例的样本,按此顺序逐个把样本作为正例进行预测,则每次可计算当前的查全率和查准率,以查准率为y轴,以查全率为x轴,可以画出下面的P-R曲线(图:查准率P曲线-——查全率(召回率R)。

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