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
墨神谕几秒前
Agent Skill从使用到原理
人工智能·ai
财经资讯数据_灵砚智能2 分钟前
基于全球经济类多源新闻的NLP情感分析与数据可视化(日间)2026年5月13日
大数据·人工智能·python·信息可视化·自然语言处理
零壹AI实验室8 分钟前
用AI 10分钟搭建一个监控系统:Prometheus + Grafana 实战
人工智能·grafana·prometheus
志栋智能10 分钟前
超自动化巡检:量化运维成效的标尺
运维·网络·人工智能·自动化
AI科技星11 分钟前
紫金山天文台与6G 超导太赫兹实验对比【乖乖数学】
人工智能·线性代数·机器学习·量子计算·agi
摩尔线程12 分钟前
摩尔线程携手紫光计算机发布《语音识别全栈国产化技术实践白皮书》
人工智能·语音识别·摩尔线程
字节跳动开源13 分钟前
局中局!给 Agent 装上 OpenViking,它们竟然学会了“记仇”和“伪装”?
人工智能·开源·llm
Exploring15 分钟前
通过 Vibe Coding,我开发的第一款鸿蒙 App 上架了,欢迎大家下载体验
人工智能
杀生丸学AI19 分钟前
【VALSE 2026】AI领域年度重要进展
人工智能
沪漂阿龙26 分钟前
面试题:文本表示方法详解——One-hot、Word2Vec、上下文表示、BERT词向量全解析(NLP基础高频考点)
人工智能·神经网络·自然语言处理·bert·word2vec