0

机器学习模型评估指标

本文是机器学习模型评估指标的overview,具体细节会在后续的文章中一一展开

  • 分类
    • 准确率
    • 召回率
    • 精确率
    • F1值
  • 回归
    • 平均绝对误差
    • 均方误差
    • R方

准确率公式

\begin{equation}
accuracy=\frac{TP+TN}{TP+TN+FP+FN}
\end{equation}

召回率公式

\begin{equation}
recall=\frac{TP}{TP+ FN}
\end{equation}

 

精确率公式

\begin{equation}
precision=\frac{TP}{TP + FP}
\end{equation}

看了上面两个公式,可能还是会混淆,下面摘自郭涛在知乎上的回答作为理解会比较容易区分这两个的概念

数据集中 :   正例 反例
你的预测 正例 : A  B
你的预测 反例 : C  D
准确率就是A/(A+B) 大白话就是“你的预测有多少是对的”
召回率就是A/(A+C) 大白话就是“正例里你的预测覆盖了多少”

F1值

\begin{equation}
F1=\frac{2*recall*precision}{precision + recall}
\end{equation}

goingmyway

我是一只野生程序猿,我关注机器学习,神经网络,深度学习,增强学习,人工智能,Python,C/C++,Linux

发表评论

电子邮件地址不会被公开。 必填项已用*标注