NLP自然语言处理——文本分类之评价指标
文本分类评价指标一、准确率（Accuracy）二、精确率（Precision）三、召回率（Recall）四、F1参考文献一、准确率（Accuracy）准确率关注整体效果，只适合均衡的数据。准确率公式如下：Accuracy=预测正确的样本数总样本数Accuracy=\frac{预测正确的样本数}{总样本数}Accuracy=总样本数预测正确的样本数二、精确率（Precision）精确率关...
一、准确率（Accuracy）
准确率关注整体效果，只适合均衡的数据。准确率公式如下：
A c c u r a c y = 预 测 正 确 的 样 本 数 总 样 本 数 Accuracy=\frac{预测正确的样本数}{总样本数} Accuracy=总样本数预测正确的样本数
数据不均衡时使用以下的评价指标。
二、精确率（Precision）
精确率关注模型预测得准不准。精确率公式如下：
P r e c i s i o n = 预 测 正 确 的 样 本 数 预 测 出 来 的 样 本 数 Precision=\frac{预测正确的样本数}{预测出来的样本数} Precision=预测出来的样本数预测正确的样本数
三、召回率（Recall）
召回率关注模型预测得全不全。召回率公式如下：
R e c a l l = 预 测 正 确 的 样 本 数 标 注 的 样 本 数 Recall=\frac{预测正确的样本数}{标注的样本数} Recall=标注的样本数预测正确的样本数
四、F1
F1是一个综合评价指标，同时考虑了精确率（precision）与召回率（Recall）。F1的公式如下：
F 1 = 2 P r e c i s i o n × R e c a l l P r e c i s i o n + R e c a l l F1=\frac{2Precision \times Recall}{Precision+Recall} F1=Precision+Recall2Precision×Recall
五、宏平均（macro-averaging）
分别计算每类标签的评价指标，然后作算术平均。
参考文献
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
0
0- 0
已为社区贡献6条内容
所有评论(0)