机器学习的正确率、召回率
机器学习的正确率、召回率其实正确率、召回率的公式很简单，但是就是理解起来不是特别的清晰。正确率：召回率：TP和TN都表示检测对了：TP是真阳，检测是阳性，实际上也是阳性。TN是真阴，检测是阴性，实际上也是阴性。FP和FN都表示检测错了：FP是假阳，检测是阳性，但是实际上是阴性。FN是假阴，检测是阴性，但是实际上是阳性。换句话说就是：正确率：你找对的例子数/你找的所有你认为是对的例子数（你有可能把一
·
其实正确率、召回率的公式很简单，但是就是理解起来不是特别的清晰。
正确率：
召回率：
TP和TN都表示检测对了：
TP是真阳，检测是阳性，实际上也是阳性。
TN是真阴，检测是阴性，实际上也是阴性。
FP和FN都表示检测错了：
FP是假阳，检测是阳性，但是实际上是阴性。
FN是假阴，检测是阴性，但是实际上是阳性。
换句话说就是：
正确率：你找对的例子数/你找的所有你认为是对的例子数（你有可能把一些错的例子当对的）
召回率：你找对的例子数/你找的所有真实是对的例子数 （你可能把一些对的例子当错的）
下面是我个人的理解：
召回率表示了你的预测的谨慎性，你只在乎自己真正找对了多少，而不在乎自己找错的情况，你宁愿把一些对的当错的。
而正确率你会关注自己找错了多少，当你把错的当对的情况特别多，这个是十分要命的，正确率就会下降的厉害。
DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。
更多推荐
0
0- 0
已为社区贡献1条内容
所有评论(0)