分类精度评价指标

  

 

True Positive (TP)

False Positive (FP)

False Negative (FN)

True Negative TN

准确率(accuracy) = 预测对的/所有 = (TP+TN)/(TP+FN+FP+TN)
精确率(precision) = TP/(TP+FP) 
召回率(recall) = TP/(TP+FN) 

1. 查准率(precision)

正确率 = 提取出的正确信息条数 /  提取出的信息条数

2. 查全率(recall)

召回率 = 提取出的正确信息条数 /  样本中的信息条数   

 

https://www.zhihu.com/question/19645541

http://www.cnblogs.com/bluepoint2009/archive/2012/09/18/precision-recall-f_measures.html

http://blog.sciencenet.cn/blog-460603-785098.html

http://www.cnblogs.com/zhizhan/p/4870429.html

http://blog.sina.com.cn/s/blog_670ee7720102vjxg.html

http://bookshadow.com/weblog/2014/06/10/precision-recall-f-measure/

http://www.cnblogs.com/zhaokui/p/ml-metric.html

posted @   太一吾鱼水  阅读(829)  评论(0编辑  收藏  举报
编辑推荐:
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· Linux系列:如何用heaptrack跟踪.NET程序的非托管内存泄露
· 开发者必知的日志记录最佳实践
· SQL Server 2025 AI相关能力初探
· Linux系列:如何用 C#调用 C方法造成内存泄露
阅读排行:
· 震惊!C++程序真的从main开始吗?99%的程序员都答错了
· 【硬核科普】Trae如何「偷看」你的代码?零基础破解AI编程运行原理
· 单元测试从入门到精通
· 上周热点回顾(3.3-3.9)
· winform 绘制太阳,地球,月球 运作规律
点击右上角即可分享
微信分享提示