【AI】基本概念-准确率、精准率、召回率的理解

样本全集:TP+FP+FN+TN

TP:样本为正,预测结果为正

FP:样本为负,预测结果为正

TN:样本为负,预测结果为负

FN:样本为正,预测结果为负

准确率(accuracy):(TP+TN)/ (TP+TN+FP+FN)

精准率(precision):TP/(TP+FP),正确预测为正占全部预测为正的比例

召回率(recall):TP/(TP+FN),正确预测为正占全部正样本的比例

假定手上60个正样本、40个负样本,系统查找了50正样本(TP+FP),其中40个是正样本。

即:

TP = 40

TP + FP = 50 ,即FP = 10

FN = 60 - 40 = 20

TN = 40 - 10 = 30

准确率(accuracy) = (TP+TN)/ (TP + TN + FP + FN) = (40 + 30)/ 100 = 70%

精确率(precision) = TP / (TP + FP) = 40 / (40 + 10) = 80 %

召回率(recall) = TP / (TP+FN) = 40 / (40 + 20) = 2/3 

 

posted @   咸鱼翻身  阅读(2895)  评论(0编辑  收藏  举报
编辑推荐:
· Linux系列:如何用 C#调用 C方法造成内存泄露
· AI与.NET技术实操系列(二):开始使用ML.NET
· 记一次.NET内存居高不下排查解决与启示
· 探究高空视频全景AR技术的实现原理
· 理解Rust引用及其生命周期标识(上)
阅读排行:
· 物流快递公司核心技术能力-地址解析分单基础技术分享
· .NET 10首个预览版发布:重大改进与新特性概览!
· 单线程的Redis速度为什么快?
· 展开说说关于C#中ORM框架的用法!
· Pantheons:用 TypeScript 打造主流大模型对话的一站式集成库
历史上的今天:
2017-04-21 Nginx 链接
2016-04-21 Python 插件安装
点击右上角即可分享
微信分享提示