这篇文章给大家聊聊关于precision是什么意思?用法、例句,以及Precision 和 Recall对应的知识点,希望对各位有所帮助,不要忘了收藏本站哦。
Precision精确率,Recall召回率,是二分类问题常用的评价指标。混淆矩阵如下:
T和F代表True和False:代表预测是否正确
P和N代表Positive和Negative:是预测结果
通常关注的类为正类,其他类为负类。(以猫狗二分类为例,现在关注狗的precision和recall)
正类预测为正类(预测出狗的图片实际标注也是狗)
正类预测为负类(预测出猫的图片实际标注是狗)
负类预测为正类(预测出狗的图片实际标注是猫)
负类预测为负类(预测出猫的图片实际标注是猫)
T,F代表的是图片对应的标签,说明是否正确。
P,N代表的模型预测出来的结果是对的还是错的。
TP+FP:也就是全体Positive,也就是预测的图片中是正类的图片的数目
TP:也就是正类也被预测为正类的图片的个数
总之:预测正确的图片个数占总的正类预测个数的比例(从预测结果角度看,有多少预测是准确的)
TP+FN:也就是全体完全满足图片标注的图片的个数
TP:正类被预测为正类的图片个数
总之:确定了正类被预测为正类图片占所有标注图片的个数(从标注角度看,有多少被召回)
还是以猫狗二分类为例,测试集一共有20张狗,20张猫的图片的标注图片(狗为正例),模型预测出其中有16张图片是狗,其中14张图片标注确实为狗,剩下两张图片标注为猫。
对于猫来说,剩下的24张图片是猫,其中有6张是狗,18张是猫。
关于precision是什么意思?用法、例句到此分享完毕,希望能帮助到您。