深度学习基础-准确率,召回率,F1;深度学习中误差来源

precision recall IOU

precision:事件过程中目标所占比例;
recall:   从关注领域中,目标所占比例;
IOU:      在检测领域,产生的候选框和之前标记的交并比;

栗子

假设一个盒子中100个红球,50个绿球,50个篮球,在一次抓取过程中 抓到60个红球,20个绿球,20个篮球,求这次抓取的 precision,recall,

precision=60/(60+20+20)=60%
recall=60/100=60%

如果一次性拿完:

precision=100/(100+50+50)=50%
recall=100/100=100%

真实情况	预测结果	预测结果
----------	正例	反例
正例	TP	FN
反例	FP	TN

$$真阳性:TPR=TP/(TP+FP)$$
$$假阳性FPR=FP/(FP+TN)$$

深度学习结构

最近在学习李宏毅老师的课程,李老师总结了,我们经常提到的监督学习其实只是深度学习领域的冰山一角

深度学习中 error 来源与对策

error表现形式	来源	对策
underfitting	bias	重新设计模型
overfitting	variance	1.增加数据 2. 增加正则项