机器学习性能评估指标 ROC
来源:互联网 发布:gif屏幕录像软件 编辑:程序博客网 时间:2024/06/04 20:12
最近在看人脸识别的论文,查了几个比较重要的定义,用于评估二分类问题的预测结果
相关 不相关预测到的 : A(tp) B(fp) 误报你没预测到的 : C(fn)漏报 D(tn)
准确率:(对的对,错的错的比例)(A+D)/(A+B+C+D)
精确率 (查准:查到的是准的)precision(P) = A/(A+B) 你的预测有多少是对的 (人脸识别中,这个值越大,误检越少),是针对你的预测结果而言的
召回率 Recall (R)(查全:查到的占全部的比例)= A/(A+C) 你的预测正确的覆盖了多少 (人脸识别中,这个值越大,漏检越少),是针对于样本而言的
此外,还有F1值,是Precision和Recall的调和平均
Recall和Precision大,
ROC curve
接收者操作特征曲线(Receiver Operating Characteristic curve)
在所有人脸中,被预测为人脸的比例: recall =A/(A+C)
也叫 validation rate(VR), true positive rate (TPR), sensitivity recall在所有非人脸中,被预测为人脸的比例, 也叫 false accept rate (FAR) = B/(B+D), false positive rate(FPR)
在论文给的一些结果的表格,会有
VR@FAR=0
VR@FAR=10−6
VR@FAR=0.1%
ROC曲线越靠近左上角越好
0 0
- 机器学习性能评估指标 ROC
- 机器学习性能评估指标
- 机器学习性能评估指标
- 机器学习性能评估指标
- 机器学习性能评估指标
- 机器学习性能评估指标
- 机器学习性能评估指标
- 机器学习性能评估指标
- 机器学习性能评估指标(精确率、召回率、ROC、AUC)
- 机器学习性能评估指标资料汇总
- 分类之性能评估指标ROC&AUC
- 机器学习性能评估指标(综合性总结)
- 机器学习之评估指标
- 机器学习十一 评估指标
- 机器学习评估指标总结
- 机器学习模型评估指标
- 机器学习之分类性能度量指标 : ROC曲线、AUC值、正确率、召回率
- 机器学习中常用评估指标汇总
- React Native学习笔记之--向原生应用中集成RN页面
- 电子工程师的基本素养--计算机篇
- 怎么用js实现jq的removeClass方法
- 10.C#:实体框架EF(entity framework)
- 做推送,怎么能不了解推送的 4 种消息形式呢?(Android 篇)
- 机器学习性能评估指标 ROC
- Android ADB Shell命令总结
- 自己用的一些工具类
- DLNA投影到局域网设备
- 2017年ETS解答新托福考生们最关注的难题
- 深入理解Java之线程池
- jasperReport+struts2+jatoolsPrinter打印
- 负载均衡一致性hash算法
- c++之简单的推箱子游戏