知识卡片
精确率与召回率分清分母
TP是正确命中的正例数,FP是误报数,FN是漏报数;这些是计数,不是“误报率”等比率。精确率P=TP/(TP+FP),看报出的有多少正确;召回率R=TP/(TP+FN),看应找到的有多少找到。原书将P叫准确率,需与总体accuracy区分;召回下降由漏报等变化决定,不是仅因FP增加。零分母须明确约定。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
TP/(TP+FP)。直观的看,如果“误报率”的值为0,那这个算法就很完美,并且准确率的值是1.0。相反,如果“误报率”很高,达到或超过了“判断为真的正确率”,准确率就很低,这个比例也接近于0。作为完整性的度量,召回率被定义为TP/(TP+FN),如果“漏报率”为0,那么召回率的值就为1.0,表明召回率很完美。当误报率增加时,召回率会接近于0。根据定义,当准
参考来源
- 位置:《社交网站的数据挖掘与分析(原书第2版)》第5章《5.5 人类语言数据处理分析的质量》(spine96;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0085.html;u082-ch05-032)。
- 结论依据:原文在“TP/(TP+FP)”附近的定义、例子或代码支撑本卡核心说明:TP是正确命中的正例数,FP是误报数,FN是漏报数;这些是计数,不是“误报率”等比率。边界按已读前提解释;示例未执行。
- 原始内容:TP/(TP+FP)。直观的看,如果“误报率”的值为0,那这个算法就很完美,并且准确率的值是1.0。相反,如果“误报率”很高,达到或超过了“判断为真的正确率”,准确率就很低,这个比例也接近于0。作为完整性的度量,召回率被定义为TP/(TP+FN),如果“漏报率”为0,那么召回率的值就为1.0,表明召回率很完美。当误报率增加时,召回率会接近于0。根据定义,当准