随笔分类 -  模型评价指标

摘要:代码覆盖率(Coverage)是一种衡量软件测试质量的指标,它用于评估测试套件中的测试用例是否足够多地执行了源代码中的语句、分支、函数等。代码覆盖率通常以百分比的形式表示,表示被测试的代码占总代码的比例。 代码覆盖率主要分为以下几种类型: 语句覆盖(Statement Coverage):确保每个源 阅读全文
posted @ 2024-04-25 19:29 海_纳百川 阅读(185) 评论(0) 推荐(0) 编辑
摘要:目标检测与图像分类不同,目标检测不仅要对检测出来的目标框正确分类,同时,还需要考虑目标框与target是否贴合。 首先我们需要知道几个常见指标: TP (True Positive):iou>0.5的检测框数量。在上图中,绿色的框表示GT,其中cat 0.9的红色框就是TP。 FP (False P 阅读全文
posted @ 2023-08-24 09:39 海_纳百川 阅读(90) 评论(0) 推荐(0) 编辑
摘要:Google Landmark Recognition 2020 的评价指标 当K = 1 时,该评价指标也叫micro Average Precision 对于每个测试图像,模型将预测一个地标标签和一个相应的置信度得分。 评估将每个预测视为一长串预测(按置信度分数按降序排序)中的单个数据点,然后根 阅读全文
posted @ 2022-07-25 16:08 海_纳百川 阅读(220) 评论(0) 推荐(0) 编辑
摘要:本文用于理解ROC曲线的定义,绘制过程及其应用实现,主要用于自我温习回顾基础 基本目录如下: 什么是ROC曲线?1.1 ROC曲线的历史1.2 ROC曲线的定义1.3 ROC曲线的应用场景 如何绘制ROC曲线?2.1 ROC曲线的绘制原理2.2 ROC曲线绘制的Python实现 第一菇 - 什么是R 阅读全文
posted @ 2022-06-07 20:28 海_纳百川 阅读(1270) 评论(0) 推荐(0) 编辑
摘要:与ROC和AUC密不可分,复习的时候觉得PRC也单独写一篇。 问题源自:如何判断一个数据集正负样本是均衡的? PR和ROC在面对不平衡数据时的表现是不同的。在数据不平衡时,PR曲线是敏感的,随着正负样本比例的变化,PR会发生强烈的变化。而ROC曲线是不敏感的,其曲线能够基本保持不变。 ROC的面对不 阅读全文
posted @ 2022-06-07 20:12 海_纳百川 阅读(652) 评论(0) 推荐(0) 编辑
摘要:**********************2023年07月01日10:53:43 更新******************************************* 说一下倒数第二张图里绿色第四列为什么是4/7而不是3/6,,首先我们知道第四列求的是精确率中最大的,那么是什么条件下的精确率 阅读全文
posted @ 2022-06-07 20:03 海_纳百川 阅读(504) 评论(0) 推荐(0) 编辑

本站总访问量8962317
 
点击右上角即可分享
微信分享提示