机器学习中的精确度、召回率、F1分数
补充：其他性能评价指标
·
精确度与召回率
- 上图左边为混淆矩阵，四个区域分别为：真阳性（True positive），真阴性（True negative），假阳性（False positive），假阴性（False negative）。
- 精确度为预测y=1，真正为y=1的概率有多少。即 True positive / Predicted Class
- 召回率为在所有真正为y=1的例子中，我们预测y=1的概率有多少。即True positive / Actual Class
- 精确度高：说话靠谱，召回率高：遗漏很少
参考文章
F1分数
- 合并精确度和召回率，即取它俩的调和平均数（F1），通过F1的值来判断模型的好坏
- 调和平均数是强调较小值的平均数
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
4
0- 0
已为社区贡献3条内容
所有评论(0)