(Deep Learning)准确率和召回率的基础概念

算法模型极大的提升了对各类结果的预测效率。

【算法模型的本质】

算法模型的本质,是基于输入的各类变量因子,通过计算规则(模型or公式),得出预测结果。

典型的预测结果比如:

1.(通过历史行为&偏好预测)用户对某条信息点击的可能性

2.(通过历史行为&偏好预测)用户的自然人口属性如性别等

【如何判定模型的好坏】

准确率和召回率的评估,是验证算法模型好坏最常用的手段之一。

现在假设你和模型在玩问答游戏,每次拿一个样本,告诉他一些这个人的信息,让ta找出所有男生。

准确率=预测的准确量/召回量(找出量)。

比如:在所有样本中,模型预找出50人说他们都是男性,而找出的这波人里实际只有40人为男性,准确率=40/50=80%,用来衡量找出部分的准确度。

召回率=召回中的准确量/客观正确的量。

是拿真实的结果,和预测结果比对。比如:总共实际有60个男性,模型只找出了50个,那召回率=50/60=83.3%,用来衡量找出部分对实际真实部分的覆盖情况。

【准召判定,会有哪些情况?】

对预测结果的评估,于是就构成了以下四种集合。

如下图所示,刚才4种集合,图形摊开的话,就是这个样子的。

下图展示了模型过度保守的情况。

模型可以很保守,准确率达到了100%,但由于过度追求准确,漏掉了大量正确的结果。

下图表示过度召回。

召回率100%,确保了正确的集合都被召回,但由于召回了大量错误集合,所以准确率很低。

下图则表示理想情况------又多又准确!

相关推荐
Ronin-Lotus3 小时前
深度学习篇---剪裁&缩放
图像处理·人工智能·缩放·剪裁
cpsvps4 小时前
3D芯片香港集成:技术突破与产业机遇全景分析
人工智能·3d
国科安芯4 小时前
抗辐照芯片在低轨卫星星座CAN总线通讯及供电系统的应用探讨
运维·网络·人工智能·单片机·自动化
AKAMAI4 小时前
利用DataStream和TrafficPeak实现大数据可观察性
人工智能·云原生·云计算
微光-沫年4 小时前
150-SWT-MCNN-BiGRU-Attention分类预测模型等!
机器学习·matlab·分类
Ai墨芯1115 小时前
深度学习水论文:特征提取
人工智能·深度学习
无名工程师5 小时前
神经网络知识讨论
人工智能·神经网络
nbsaas-boot5 小时前
AI时代,我们更需要自己的开发方式与平台
人工智能
SHIPKING3935 小时前
【机器学习&深度学习】LLamaFactory微调效果与vllm部署效果不一致如何解决
人工智能·深度学习·机器学习
闻道且行之5 小时前
Windows|CUDA和cuDNN下载和安装,默认安装在C盘和不安装在C盘的两种方法
windows·深度学习·cuda·cudnn