precision/recall
實際分類
**分類10
1true positive
false positive
0false negative
true negative
precision = true positive / ( true positive + false positive);
recall = true positive / ( true positive + false negative); 查全率
accuracy = (true positives + true negatives) / (total examples)
下面說說個人理解：
查準率呢，就是看看我們演算法**是否分類為1中有實際為0的誤報成分。
查全率呢，就是看看我們演算法**是否漏掉了一些該分類為1的，卻分類為0的，也就是漏報了的。
查準率和查全率是對分類任務中的其中乙個類別來說的。
假如乙個分類任務中有a，b，c.......好多類。
假如整個用於測試的樣本有200個（其實查準率與查全率與測試樣本多少個並沒有直接的關係）。
我們把a類單拉出來：
假設a類別總共有80個樣本，但是**的時候機器學習系統說一共有70個a類別的樣本。這就有問題了，且不說70個a類別的數對不上，而且你70個裡邊還有一些是其他類別吧。你既然**出來結果了，那麼我們就要想辦法衡量你的效能。接下來我們將這70個**結果扒開來看一看就明白了。
70個樣本其實真正**正確的也就是50個，其他的20個不知道是哪些別的類。我們可以這樣描述這個現象：機器學習系統查到了70個a類別，其中50個是準確的，所以a類別的查準率為50/70。
但是還有另乙個問題，那些個機器學習系統沒有查到的a類別呢。就說明它沒有查全嘛，有多少沒查全呢？從上面可以看出有80個a，它只查到了50個，所以引入了查全率50/80。
這個和部落格中查準率和查全率是魚和熊掌不可兼得的關係，不是很明白。
查準率和查全率
查準率 precision 和查全率 recall 我們將演算法 的結果分成四種情況 1.正確肯定 true positive,tp 為真，實際為真 2.正確否定 true negative,tn 為假，實際為假 3.錯誤肯定 false positive,fp 為真，實際為假 4.錯誤否定 fal...
機器學習 5查準率，查全率
什麼是查準率，查全率？設查準率p與查全率r分別定義了為 p tp tp fp r tp tp fn 在查全率r和查準率p這兩個變數之間，他們之間的差異由 fp 假正例 和fn 假反例 來決定 在圖表中可以明確看出 相同點 查準率p 和 查全率r 都是以 尋找 真實 真 的結果為目的 查準率p 考量 ...
深入理解查準率與查全率
查準率與查全率 召回率 是在資訊檢索與機器學習領域常用的衡量指標，書籍或網路上有非常多的定義，敝人在重溫周志華先生 機器學習 一書時，發現書中的定義是非常科學的，而且把這兩個指標根據混淆矩陣進行了數學化！在資訊檢索領域的定義 檢索出的n個文件中正確結果 m個結果是正確的 的比率即是查準率，即p n ...