机器学习评价之基础指标

准确率(Accuracy)

准确率表示模型正确预测的样本数占总样本数的比例,计算公式为:

Accuracy = \\frac{TP + TN}{TP + TN + FP + FN}

按照上述例子的情况,准确率的计算为:

精确率(Precision)

精确率衡量的是模型在预测为正样本的样本中有多少是真正的正样本,也就是预测为正例的样本中,真正为正例所占的比例,计算公式为:

Precision = \\frac{TP}{TP + FP}

按照上述例子的情况,精确率的计算为:

召回率(Recall)

召回率衡量的是在所有实际为正样本中,有多少被正确地预测为正样本,计算公式如下:

Recall = \\frac{TP}{TP + FN}

按照上述例子的情况,召回率的计算为:

相关推荐
想会飞的蒲公英12 小时前
词袋模型与 CountVectorizer:文本也可以做特征表
人工智能·python·机器学习
LadenKiller12 小时前
近期量化工具推荐,问题位置比功能清单更重要
人工智能·python
大郭鹏宇12 小时前
下篇:LangChain Agent 智能体从入门到实战(二)—— 记忆管理、中间件与最佳实践
网络·数据库·人工智能
光之后裔12 小时前
基于SAM2的Label Studio自动标注环境搭建
机器学习·计算机视觉
小林ixn12 小时前
从零实现AI流式对话:一篇搞懂SSE、ReadableStream与JSON截断处理
人工智能·agent·交互设计
Hesionberger13 小时前
LeetCode406:重建身高队列精髓解析
开发语言·数据结构·python·算法·leetcode
不才不才不不才13 小时前
Spring AI 实战(7):向量库怎么选?PgVector/Redis/Milvus 横向对比
java·人工智能·spring·ai