知识卡片
精确率与召回率的拉锯
召回率(Recall,查全率)和精确率(Precision,查准率)是一对互相影响的指标,通常一起出现。召回率针对原始样本,表示原始正例有多少被预测正确,公式TP/(TP+FN);上例识别猫的召回率为318/(318+182)=0.63,比准确率更真实。精确率针对预测结果,表示预测为正的样本中有多少真的为正,公式TP/(TP+FP);上例为318/(318+75)=0.81,说明393张判为猫的图中只有318张对,条件可能过松、存在欠拟合。两者常矛盾:召回率变高意味着覆盖更多正例,也更易误纳负例,导致精确率下降。取舍看场景:地震预测宁可抓错不可放过重召回,垃圾邮件宁可放过不可抓错重精确。边界:精确率只适用二分类,准确率可用于多分类。可迁移启发是先明确哪类错误代价更高。
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
- 了解你手上的数据 3.3.3 精确率与召回率 · 查看原书依据
在理想情况下,我们希望精确率和召回率两者都高。然而事实上这两者在很多情况下是互相矛盾的。当召回率变高时意味着需要尽可能找到原始样本的正例,因此模型覆盖的数量会变多,模型就有更高的概率犯错,将原本不属于该分类的样本也加进来,这就导致精确率下降 。
参考来源
- 位置:《产品经理进阶:100个案例搞懂人工智能 (林中翘)》第3章《了解你手上的数据》(源文件:`../../book-sources/extracted/产品经理进阶:100个案例搞懂人工智能 (林中翘)/_epub-src/OEBPS/text00008.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:原文用地震预测与垃圾邮件两个相反场景说明精确率与召回率的矛盾与取舍,支撑本卡权衡结论。
- 原始内容:在理想情况下,我们希望精确率和召回率两者都高。然而事实上这两者在很多情况下是互相矛盾的。当召回率变高时意味着需要尽可能找到原始样本的正例,因此模型覆盖的数量会变多,模型就有更高的概率犯错,将原本不属于该分类的样本也加进来,这就导致精确率下降 。