深度学习中的精确率与召回率

在理解深度学习中map的时候,有2个概念是绕不过去的:精确率和召回率。这2个概念都和正样本有关。其中:

精确率 反映的是查准率,就是说,对于你预测为正的样本,有多少它确实是正的样本,即:样本确实是真,你预测也为真 / (样本确实是真,你预测也为真+样本是假,你预测为真)的概率

\frac{true.pos<and>predic.pos}{(true.pos<and>predic.pos)+(ture.negative<but>predic.pos)},       即:\frac{true.pos}{true.pos+false.pos}

召回率 反映的是查全率,就是说,对于所有你针对正样本的预测结果,你预测它为正样本,占所有正样本的比例,即:样本确实是真,你预测也为真 / (样本确实是真,你预测也为真+样本确实是真,你预测它为假)的概率

\frac{true.pos<and>predict.pos}{(true.pos<and>predict.pos)+(true.pos<but>predict.negative)}

即:\frac{ture.pos}{true.pos+false.negative}

深度学习中的精确率与召回率_第1张图片

 

如果对您的理解有帮助,点个赞鼓励一下吧,谢谢!

你可能感兴趣的:(深度学习,深度学习,概率论,机器学习)