【深度学习】Precision、Accuracy的区别,精确率与准确率:深度学习多分类问题中的性能评估详解

在深度学习的多分类问题中,Precision(精确率)和Accuracy(准确率)是两种常用的性能评估指标,它们各自有不同的定义和用途。

Precision(精确率)的中文发音是:pǔ rēi xī shēn

Accuracy(准确率)的中文发音是:ā kù rēi xī

以下是它们的区别及举例说明:

1. 准确率 (Accuracy)

准确率表示模型预测正确的样本数量占总样本数量的比例。它是一个整体性指标,反映了模型的总体性能。

公式:
Accuracy = 正确预测的样本数 总样本数 \text{Accuracy} = \frac{\text{正确预测的样本数}}{\text{总样本数}} Accuracy=总样本数正确预测的样本数

2. 精确率 (Precision)

精确率表示在模型预测为某一类的样本中,实际属于该类的样本数量占预测为该类样本数量的比例。它是一个针对某一特定类别的指标,反映了模型对该类别的预测准确性。

对于第 (i) 类,公式:
Precision i = 正确预测为第 i 类的样本数 预测为第 i 类的样本总数 \text{Precision}_i = \frac{\text{正确预测为第 } i \text{ 类的样本数}}{\text{预测为第 } i \text{ 类的样本总数}} Precisioni=预测为第 i 类的样本总数正确预测为第 i 类的样本数

举例说明

假设我们有一个3分类问题,其中类别分别为 A, B 和 C。模型的预测结果和实际情况如下:

样本 实际类别 预测类别
1 A A
2 A B
3 A A
4 B B
5 B C
6 C C
7 C A
8 C B
准确率计算

首先,计算模型预测正确的样本数:

  • 样本1、3、4、6:预测正确。

总共有8个样本,预测正确的有4个,所以准确率为:
Accuracy = 4 8 = 0.5 \text{Accuracy} = \frac{4}{8} = 0.5 Accuracy=84=0.5

精确率计算

然后,分别计算每个类别的精确率。

  • 类别 A 的精确率:

    • 预测为 A 的样本:样本1、3、7(3个)
    • 其中实际为 A 的样本:样本1、3(2个)

    所以 A 类的精确率为:
    Precision A = 2 3 ≈ 0.67 \text{Precision}_A = \frac{2}{3} \approx 0.67 PrecisionA=32≈0.67

  • 类别 B 的精确率:

    • 预测为 B 的样本:样本2、4、8(3个)
    • 其中实际为 B 的样本:样本4(1个)

    所以 B 类的精确率为:
    Precision B = 1 3 ≈ 0.33 \text{Precision}_B = \frac{1}{3} \approx 0.33 PrecisionB=31≈0.33

  • 类别 C 的精确率:

    • 预测为 C 的样本:样本5、6(2个)
    • 其中实际为 C 的样本:样本6(1个)

    所以 C 类的精确率为:
    Precision C = 1 2 = 0.5 \text{Precision}_C = \frac{1}{2} = 0.5 PrecisionC=21=0.5

总结

  • 准确率表示模型总体的预测正确率。
  • 精确率表示模型在预测某一特定类别时的准确性。

在不平衡数据集上,准确率可能会因为多数类的样本占比高而显得较高,而精确率则能更好地反映模型在少数类上的表现。因此,在实际应用中,通常需要结合多种指标来全面评估模型性能。

相关推荐
只怕自己不够好3 分钟前
《OpenCV 图像缩放、翻转与变换全攻略:从基础操作到高级应用实战》
人工智能·opencv·计算机视觉
网络研究院9 分钟前
国土安全部发布关键基础设施安全人工智能框架
人工智能·安全·框架·关键基础设施
YRr YRr21 分钟前
如何使用 PyTorch 实现图像分类数据集的加载和处理
pytorch·深度学习·分类
不去幼儿园1 小时前
【MARL】深入理解多智能体近端策略优化(MAPPO)算法与调参
人工智能·python·算法·机器学习·强化学习
想成为高手4992 小时前
生成式AI在教育技术中的应用:变革与创新
人工智能·aigc
YSGZJJ2 小时前
股指期货的套保策略如何精准选择和规避风险?
人工智能·区块链
无脑敲代码,bug漫天飞2 小时前
COR 损失函数
人工智能·机器学习
HPC_fac130520678163 小时前
以科学计算为切入点:剖析英伟达服务器过热难题
服务器·人工智能·深度学习·机器学习·计算机视觉·数据挖掘·gpu算力
小陈phd6 小时前
OpenCV从入门到精通实战(九)——基于dlib的疲劳监测 ear计算
人工智能·opencv·计算机视觉
Guofu_Liao7 小时前
大语言模型---LoRA简介;LoRA的优势;LoRA训练步骤;总结
人工智能·语言模型·自然语言处理·矩阵·llama