视频质量检测中的TP、FP、Reacll、Precision
来源:互联网 发布:淘宝盗版举报 编辑:程序博客网 时间:2024/05/01 08:08
在看论文《Measuring Vedio QoE from Encrypted Traffic》的时候看到TP(True Positives)、FP(False Positives)、Precison、Recall的概念,这属于数据挖掘方面的内容,学习之后特来记录。
首先,下面这个表格可以比较清晰地给出各个情况的名字,也很好记。T:True ,F:False,这个true或者false用于判断预测:若预测为1,实际为1 ,说明这个预测对了,是true的positive,记为TP;若预测为1,实际为0 ,说明这个预测对了,是false的positive,记为FP;以此类推另外两个。
这几个数据之间的比率也具有特定的意义。
True Positive Rate(真正率 , TPR)=TP/(TP+FN),即被正确预测的正样本数目/实际正样本数目。
True Negative Rate(真负率 , TNR)=TN/(TN+FP),即被正确预测的负样本数目/实际负样本数目。
False Positive Rate(假正率, FPR) = FP /(FP + TN),即被预测为正的负样本结果数 /负样本实际数
False Negative Rate(假负率 , FNR)=FN /(TP + FN),即被预测为负的正样本结果数 / 正样本实际数
Precison=TP/(TP+FP)
Recall=TP/样本总数(此处有疑问,论文与后注参考网站所说不符,此处为论文说法)
此网站说得较详细,可以参考:http://www.fullstackdevel.com/computer-tec/data-mining-machine-learning/501.html
- 视频质量检测中的TP、FP、Reacll、Precision
- TP,FP.precision
- FN、FP、TN、TP、precision、recall
- 准确率precision 召回率recall tp tn fp fn
- 论文中的FN FP TN TP
- Weka-读懂TP Rate ,FP Rate, Precision, Recall, F-Measure, ROC Area,
- 评估指标中IoU/precision/recall/tp/fp/fn/tn的个人理解
- 视频质量检测系统
- 机器学习中的Presicison&Recall&Accuracy, FP&TP&FN&TN
- TP TN FP FN
- TP FN FP TN
- TP FP TN FN
- 行人检测评估:从TP、FP、TN、FN到ROC曲线、miss rate
- TP, TN, FP and FN
- 【计算机视觉】目标检测中的指标衡量Recall与Precision
- TP、TN、FP、FN解释说明
- TP FN FP TN ROC !! mAP计算
- 视频中的人脸检测
- opencv中的approxPolyDP函数和boundingRect函数
- Note of Rmarkdown
- 树莓派3 web视频服务器 mjpg-streamer 安装和使用
- SQL简单查询语句专项练习
- set
- 视频质量检测中的TP、FP、Reacll、Precision
- javascript编程思路
- Python学习期间的随笔
- 【杭电OJ 2037】 今年暑假不AC (贪心)
- vector 清空操作
- 南阳理工14 -会场安排问题
- Android 功耗分析之wakelock
- 程序设计思维
- c++ 统计文本词频