pytorch图像分类全流程(五)--图像分类算法精度评估指标

本次我们来学习图像分类算法精度的各种评估指标：precision、recall、accuracy、f1-score、AP、AUC。
首先我们来学一个很重要的概念，混淆矩阵：

1.精确率(Precision)：
指的是所有被判定为正类（TP+FP）中，真实的正类（TP）占的比例。
2.召回率(Recall)：
指的是所有真实为正类（TP+FN）中，被判定为正类（TP）占的比例。
3.准确率(accuracy)：
值所有判断正确的数据（TP+TN）占总量的比例。
4.f1-score:
它赋予Precision score和Recall Score相同的权重，以衡量其准确性方面的性能，使其成为准确性指标的替代方案（它不需要我们知道样本总数）。
5.AP：
AP是PR曲线的面积，而PR曲线简单来看就是横坐标为recall(召回率) ，纵坐标为precision(精确率)的曲线。
6.AUC：
AUC是ROC 曲线下的面积，而ROC是横坐标为真正例率(FPR)，纵坐标为假正例率 (TPR)的曲线，FPR = TP / (TP + FN); TPR = FP / (FP + TN)。