(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
机器之心4 小时前
节前重磅:开源旗舰模型新SOTA,智谱GLM-4.6问世
人工智能·openai
肖书婷4 小时前
人工智能-机器学习day2
人工智能·机器学习
西猫雷婶4 小时前
pytorch基本运算-torch.normal()函数生成的随机数据添加噪声
人工智能·pytorch·python·深度学习·学习·线性代数·机器学习
He BianGu4 小时前
【项目】Vision Master OpenCV 3.0 版本(预)发行说明
人工智能·数码相机·opencv
无锡布里渊4 小时前
分布式光纤声波振动与AI的深度融合:开启智慧感知新时代
人工智能·温度监测·线性感温火灾监测·线型感温火灾探测器·光纤振动das·防外破·分布式光纤声波振动
Yolo566Q5 小时前
基于PyTorch深度学习遥感影像地物分类与目标检测、分割及遥感影像问题深度学习优化实践技术应用
pytorch·深度学习·分类
阿里云云原生5 小时前
Qoder 负责人揭秘:Qoder 产品背后的思考与未来发展
人工智能
岁月宁静5 小时前
Vue3.5 + SSE 构建高可用 AI 聊天交互层 ——chat.js 模块架构与实现
前端·vue.js·人工智能
l12345sy6 小时前
Day31_【 NLP _1.文本预处理 _(3)文本数据分析】
人工智能·自然语言处理·数据分析
精灵vector6 小时前
构建自定义AI客户支持助手——LangGraph 中断机制
人工智能·python