Precision&&Recall&&F1
来源:互联网 发布:手写情书软件 编辑:程序博客网 时间:2024/05/29 13:44
准确率与召回率(Precision & Recall)
下图中用P代表Precision,R代表Recall
一般来说,Precision 就是检索出来的条目中(比如:文档、网页等)有多少是准确的,Recall就是所有准确的条目有多少被检索出来了。
下面这张表介绍了True Positive,False Negative等常见的概念,P和R也往往和它们联系起来。
那么,
$P={\tfrac{tp}{tp+fp}}
R=\frac{tp}{tp+fn}
我们当然希望检索的结果P越高越好,R也越高越好,但事实上这两者在某些情况下是矛盾的。比如极端情况下,我们只搜出了一个结果,且是准确的,那么P就是100%,但是R就很低;而如果我们把所有结果都返回,那么必然R是100%,但是P很低。
因此在不同的场合中需要自己判断希望P比较高还是R比较高。如果是做实验研究,可以绘制Precision-Recall曲线来帮助分析。
F1-Measure
前面已经讲了,P和R指标有的时候是矛盾的,那么有没有办法综合考虑他们呢?我想方法肯定是有很多的,最常见的方法应该就是F-Measure了,有些地方也叫做F-Score,其实都是一样的。
F-Measure是Precision和Recall加权调和平均:
F = \frac{(a^2+1)P*R} {a^2(P+R)} \hfill (3)
当参数a=1时,就是最常见的F1了:
F1 = \frac{2PR} {P+R} \hfill (4)
F1综合了P和R的结果,当F1较高时则比较说明实验方法比较理想。\
阅读全文
0 0
- Precision & Recall & F1
- Precision,Recall和F1
- Precision&&Recall&&F1
- [定义] Precision Recall F1 Accuracy
- 机器学习 F1-Score, recall, precision
- tensorflow中precision,recall和F1
- 机器学习 F1-Score, recall, precision
- 机器学习中的Accuracy,Precision,Recall和F1-Score
- 聚类评价指标 Rand Index,RI,Recall,Precision,F1
- Accuracy、Precision、Recall and F1的概念详解
- 机器学习中的 precision、recall、accuracy、F1 Score
- 理解准确率(accuracy)、精度(precision)、查全率(recall)、F1
- Recall/Precision(召回率/准确率)以及F1-measure
- 聚类评价指标 Rand Index,RI,Recall,Precision,F1
- 准确率Accuracy,精确度Precision,召回率Recall,F1值
- ROC,AUC,Precision,Recall,F1的介绍与计算
- precision & recall
- Precision & Recall
- filter方法和find方法
- 使用spring请求头信息的获得
- 普及组初赛总结
- 一篇很全的freemarker教程(摘抄)
- 网易2018校招内推编程题 小易喜欢的数列
- Precision&&Recall&&F1
- 熊猫TV王者荣耀主播人气TOP10
- 【Leetcode】【python】Combinations
- 欢迎使用CSDN-markdown编辑器
- C语言(二)--数据类型
- Bow
- C语言(三)--运算符与表达式
- 2、单例模式(内部类的实现方式)
- C语言(四)--格式输出说明符含义