大话机器学习准确率(Accuracy)、精确率(Pecision)、召回率(Recall)以及TP、FP、TN、FN

话说三国时期,乱世出人才,当时刘备让张飞帮忙招兵买马,寻找人才。张飞发公告以后,有10人来面试,这10人分为两类,人才和庸才,各占百分之五十,张飞的主要作用就是从这10人中识别出人才,然后为蜀国所用。

人才代表机器学习中的正样本

庸才代表机器学习中的负样本

那张飞就是你训练的机器学习模型。

1 概念定义

TP: True Positive, 实际是人才,被张飞认为是人才的人数

FP: False Positive, 实际是庸才,被张飞认为是人才的人数

TN:True Negative, 实际是庸才,被张飞认为是庸才的人数

FN:False Negative, 实际是人才,被张飞认为是庸才的人数

格式: XY

X表示此次判断是错误的

Y表示被AI识别的结果

2 召回率(Recall)

召回率 = 人才被识别正确的数量 / 人才总数 = TP/ (TP + FN)

刘备:阿飞啊,你帮哥哥选一下人才,一定要多招人才,保证人才都能招进来" ---- 提高"召回率"

张飞:哥哥,放心,交给俺

张飞心想:把10个人都招进来,这样人才就不会丢失,然后就把10个人都招聘到蜀国当人才来供养。

刘备得知后说:飞飞,你招这么多人,我们发不起工资啊,我们只需要人才,不需要庸才。

上面刘备告诉张飞的话,无形让张飞误认为能把所有的人才都识别正确即可,庸才识别正确与否不重要,因此刘备的话强调了召回率

通过公式,我们发现张飞还是很聪明的。但是,在机器学习中,单纯看召回率容易影响模型的鲁棒性。

3 精确率(Pecision)

精确率 = 人才被识别正确的数量 / 被识别成人才的数量 = TP/ (TP + FP)

刘备告: 阿飞啊,吸取上次教训,这次一定保证识别的人才中不能有庸才。 --- 提高"精确率"

张飞犯难了,他只知道这10个人中的诸葛亮是卧龙,绝对是个人才,其他的九个人,他都没听说过,所以不敢乱选,万一选择出一个是庸才,那岂不是又要被哥哥骂?他将诸葛亮留下了。

刘备知道后,骂张飞:你是不是四肢发达头脑简单,只选一个人才有屁用?

上面刘备告诉张飞的话,无形让张飞误认为只要能识别出来的人中都是人才才是最终要的,其他人才识别正确与否不重要,因此刘备的话强调了精确率

4准确率(Accuracy)

准确率 = (人才识别正确的数量 + 庸才识别正确的数量)/ 总人数 = (TP + TN)/ (TP + FP + TN + FN)

刘备:小飞啊,你这次一定一定要多选择人才,识别出庸才和人才来,把人才都召进宫哈。

张飞:哥哥,这次我一定好好识别

张飞:诸葛哥哥,你能帮帮忙吗?我怎么才能识别人才啊

诸葛亮:小飞弟啊,你可以通过考试的方式来判断,考试分数高的就是人才,考试分数低的就是庸才。

张飞:高,实在是高

通过考试,张飞发现成绩高前5个人都高于60分,然后就说,高于60分的是人才,低于60分的是庸才,最终完成了刘备的任务。

上面刘备告诉张飞的话,强调了准确率

小结

如果你搞不清楚上面7个名词,就把图片和故事记住,保证你能够此生不再忘记这几个容易混淆的名词。

相关推荐
许泽宇的技术分享5 分钟前
Windows MCP.Net:解锁AI助手的Windows桌面自动化潜能
人工智能·windows·.net·mcp
从后端到QT10 分钟前
大语言模型本地部署之转录文本总结
人工智能·语言模型·自然语言处理
AI新兵14 分钟前
AI大事记13:GPT 与 BERT 的范式之争(上)
人工智能·gpt·bert
文火冰糖的硅基工坊15 分钟前
[人工智能-大模型-43]:模型层技术 - 强化学学习:学习的目标、收敛条件、评估依据、应用到的模型、应用场景 - 通俗易懂。
人工智能·学习
Fibocom广和通22 分钟前
禾赛科技与广和通战略合作,联合推出机器人解决方案加速具身智能商业化落地
人工智能
飞哥数智坊23 分钟前
Claude Skills 自定义实战:提炼会议纪要并推送企业微信
人工智能·claude·chatglm (智谱)
golang学习记28 分钟前
性能飙升4倍,苹果刚发布的M5给人看呆了
人工智能·后端
golang学习记30 分钟前
快手推出AI编程IDE:自主编程时代已来!
人工智能
皮皮学姐分享-ppx32 分钟前
上市公司CEO IT背景数据(2007-2024)
大数据·人工智能·经验分享·科技·区块链