知识卡片
准确率精准率召回率与不均衡
三个基础分类指标各有侧重。准确率(Accuracy)= 预测正确/总样本,样本均衡时不错;但极不均衡时(如正 10%/负 90%),即使负样本全对、正样本全错,准确率仍很高却无意义——它正负都看,会失焦于少数类。精准率(Precision,查准率)= 预测为正中实际为正的比例,只关注正样本准确度,越高说明预测为正越可信;多分类要看各标签精准率。召回率(Recall,查全率)= 实际正中被正确预测的比例,关心正样本被覆盖多少;例子:5 正 100 负,只预测对 1 个正,精准率 100% 但召回仅 0.5,模型其实没学好。要点:不均衡场景下准确率失效,应看精准率/召回率。相关卡见 [[精排损失函数与混淆矩阵]]、[[F1-score与P-R曲线]]。
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
- 为推荐系统选择评价指标 4.2 精排层应该选择什么评价指标 · 查看原书依据
4.精准率 精准率(Precision)又称查准率,指预测为正样本的样本中实际为正样本的占比
参考来源
- 位置:《推荐系统全链路设计:原理解读与业务实践》第4章《为推荐系统选择评价指标》(来源项目book-sources;extracted/推荐系统全链路设计:原理解读与业务实践/_epub-src/converter-master/example/312287/42.html;src-025)
- 结论依据:原文定义准确率并指出其在不均衡时失效,定义精准率只关注正样本、召回率关注正样本覆盖,并举例说明准确率虚高,支撑本卡。
- 原始内容:4.精准率 精准率(Precision)又称查准率,指预测为正样本的样本中实际为正样本的占比