ASP源码.NET源码PHP源码JSP源码JAVA源码DELPHI源码PB源码VC源码VB源码Android源码
当前位置:首页 >> 数据库 >> 其他数据库 >> 白话理解: 准确率Accuracy, 精确率Precision, 召回率Recall

白话理解: 准确率Accuracy, 精确率Precision, 召回率Recall

来源:网络整理     时间:2018-07-27     关键词:

本篇文章主要介绍了" 白话理解: 准确率Accuracy, 精确率Precision, 召回率Recall",主要涉及到方面的内容,对于其他数据库感兴趣的同学可以参考一下: 本文重点是在白话,不是数学上面的严格定义. 那首先要有一个业务场景,就好比上学,学习数据库,就要用到学生成绩. 在这,我们的业务场景就是对100个西瓜进行分类(...

本文重点是在白话,不是数学上面的严格定义. 那首先要有一个业务场景,就好比上学,学习数据库,就要用到学生成绩. 在这,我们的业务场景就是对100个西瓜进行分类(已知生熟各半)

下面是针对上面场景,对各个术语的解释

准确率(Accuracy): 对所有西瓜分类正确的比率.

精确率(Precision): 挑出来的熟西瓜,有多少是正确的.

召回率(Recall) : 50个熟西瓜,有多少被分来到熟西瓜这个类别.

下面我们来分析各个术语有什么应用场景:

Accuracy: 这个是我们最常用的,但是这个指标有一个缺点,就是当数据分来不均匀的时候,就没办法用于业务了. 比如, 当生西瓜只有2个,熟西瓜有98个的时候. 只要判断所有的都是熟西瓜,准确率就是98%.但是这个模型其实是不合理的.

Precision: 这个指标就是为吃瓜群众准备的了, 比如100个西瓜里面,我只需要挑选出2个西瓜,并且都是熟西瓜,那么这个Precision就是100%. 其他的西瓜,就可以都判断为生西瓜.

Recall: 这个指标就是为瓜农准备的了, 瓜农肯定是想100%把所有的熟西瓜挑出来,送到市场上卖, 有多少熟西瓜被挑选出来了,就是用Recall这个指标来衡量了.

如果是黑心瓜农,直接把所有的西瓜,都当成熟西瓜,那么Recall就是100%了. 想想宁可错杀一千,不能错过一个.就是只注意了Recall.

如果是良心瓜农的话,会兼顾Precision. 也就是尽可能的排除生西瓜.

下面是三个不同角色对应的场景举例:

  • 针对吃瓜群众, 只希望挑出2个熟西瓜.其他的不管(Precision=100%)

 白话理解: 准确率Accuracy, 精确率Precision, 召回率Recall


Precision=2/(2+0)100.00%
Recall=2/(2+48)4.00%
F1=2*1*0.04/(1+0.04)7.69%
  • 黑心瓜农,所有的熟西瓜一个也不能放过,至于有没有生西瓜混入,完全不管. 那就是可以把所有100个西瓜当成熟西瓜卖个消费者. (Recall = 100%)

 白话理解: 准确率Accuracy, 精确率Precision, 召回率Recall
Precision=50/(50+50)50.00%
Recall=50/(50+0)100.00%
F1=2*0.5*1/(0.5+1)66.67%
  • 良心瓜农,经验丰富,可以识别大部分的熟西瓜,当然也会有些失误混入了少量生西瓜.这个模型比较均衡, Precision 和Recall相对比较高. 


 白话理解: 准确率Accuracy, 精确率Precision, 召回率Recall

Precision=48/(48+2)96.00%
Recall=48/(48+2)96.00%
F1=2*0.96*0.96/(0.96+0.96)96.00%

各种指标的数学定义公式:


 白话理解: 准确率Accuracy, 精确率Precision, 召回率Recall

以上就介绍了 白话理解: 准确率Accuracy, 精确率Precision, 召回率Recall,包括了方面的内容,希望对其他数据库有兴趣的朋友有所帮助。

本文网址链接:http://www.codes51.com/article/detail_4578393.html

相关图片

相关文章