二、chrf++
三、**實現以及**鏈結
最近在幫忙做文字生成方面的內容，發現想要用的chrf和chrf++指標的資料很少或者不全。就去翻了一下**，就來寫一下自己對**的總結和理解吧，如有錯誤還請幫忙指正。文章最後面會放實現**和**鏈結。
這個方法比較新，我找到的**是2023年的。所以網上資料不多。建議如果不了解【bleu】的話建議先去找篇部落格大概看一下，網上很多。然後在了解的基礎上，才能更好理解chrf。
**解讀：
chrp是精確度（查準率），就是候選文和參考文匹配的字元級n-gram在候選文中佔的比例。
chrr是召喚率（查全率），就是候選文和參考文匹配的字元級n-gram在參考文中佔的比例。
chrf++其實就是chrf的改進，所以就更新了，**是在2023年發表的。而且和chrf的是同乙個作者。
**解讀：
chrf：
nltk.translate.chrf_score #在這個包中有好幾個計算chrf的函式
'''下面是包內函式'''
nltk.translate.chrf_score.sentence_chrf #這個函式是實現的**的
nltk.translate.chrf_score.chrf_precision_recall_fscore_support
nltk.translate.chrf_score.corpus_chrf
'''具體使用看函式介紹或者文件吧'''
chrf++
**給的實現**鏈結
**鏈結
模型評估指標
模型的評價指標和評價體系是建模過程中的乙個重要環節，針對不同型別的專案和模型，要合理選擇不同的評價指標和體系。下面先給出二分類模型中 值和實際值的混淆矩陣 confusion matrix 和定義，然後介紹幾種評價指標。二分類模型的 值與實際值的結果 tp true positive 模型 為正例 ...
模型評估指標
label 0 label 1 prcdict 0 tp真陽性 fn假陰性 漏診 predict 1 fn假陰性 誤診 tn真陰性 acc tp tn tp fn fp tn 被正確 的樣本 所有樣本 用來衡量模型的漏診率 sensitive tp tp fn tp ground ture p 真陽...
kmeans及模型評估指標 模型的評估指標
想必大家都知道，構建機器學習模型就是為了能夠更好的訓練我們的資料集，使得模型的準確率達到最大，那麼當我們構建好了我們的學習模型，可以通過哪些指標來評估我們模型的好壞呢？這就是我今天要給大家介紹的內容。一.精確率與召回率 1.混淆矩陣 在分類過程中，結果與正確標記之間存在四種不同的組合，構成了混淆矩陣...