版权声明:王家林大咖2018年新书《SPARK大数据商业实战三部曲》清华大学出版,微信公众号:从零起步学习人工智能 https://blog.csdn.net/duan_zhihua/article/details/86079932
精确率(Precision)、召回率(Recall)、准确率(Accuracy)、F值(F-Measure) 的理解:
例如:对图片猫、狗、兔子进行预测分类,如下图:
图片为猫,预测分类是猫的图片数:5
图片为猫,预测分类是狗的图片数:3
图片为猫,预测分类是兔子的图片数:0
图片为狗,预测分类是猫的图片数:2
图片为狗,预测分类是狗的图片数:3
图片为狗,预测分类是猫的图片数:1
图片为兔子,预测分类是猫的图片数:0
图片为兔子,预测分类是狗的图片数:2
图片为兔子,预测分类是兔子的图片数:11
Actual class | ||||
---|---|---|---|---|
Cat | Dog | Rabbit | ||
Predicted |
Cat | 5 | 2 | 0 |
Dog | 3 | 3 | 2 | |
Rabbit | 0 | 1 | 11 |
那么对于图片猫而言:
TP(True Positives): 图片为猫,预测分类也是猫的图片数:5
FP(False Positives): 图片不为猫,但是预测分类是猫的图片数:2+0=2
FN( False Negatives): 图片为猫,但预测分类不是猫的图片数:3+0=3
TN(True Negatives):图片不为猫, 预测分类也不是猫的图片数:3+2+1+11=17
Actual class | ||||
---|---|---|---|---|
Cat | Non-cat | |||
Predicted |
Cat | 5 True Positives | 2 False Positives | |
Non-cat | 3 False Negatives | 17 True Negatives |
精确率= 5/ 5+2 = 5/7
召回率= 5/ 5+3 = 5/8
准确率= 5+17 / 5+17+2+3 = 22/27
F值= 2*5 / 2*5 + 2+ 3 = 10 / 15
更多的计算详情参考: https://en.wikipedia.org/wiki/Confusion_matrix
cs224 的作业: