其他
「深度学习」最基本的四大评价指标!!
喜欢我们,点击上方AINLPer,关注一下,极品干货即刻送达!
引言
在深度学习(DP)这个领域中,如何判定一个模型的好坏?那么模型评估是必不可少的。不论对于自然语言处理(NLP)、机器学习(ML)、信息检索(IR)等领域,评估(Evaluation)是一个必要的工作。而这其中所涉及到的评价指标一般包括:准确率(Accuracy)、精确率(Precision)、召回率(Recall)以及F1-measure。正文开始
在介绍各个评价指标之前,这里先帮助大家回忆几个概念。TP(True Positive)、TN(True Negative)、FP(False Positive)、FN(False Negative)。其中这四个参数的关系如下图所示:
准确率(Accuracy)表示正确分类的测试实例的个数占测试实例总数的比例,计算公式为::
精确率(Precision):也叫查准率,表示正确分类的正例个数占分类为正例的实例个数的比例,计算公式为:
召回率(Recall):也叫查全率,表示正确分类的正例个数占实际正例个数的比例,计算公式为:
综合评价指标(F-measure):是基于召回率(Recall)与精确率(Precision)的调和平均,即将召回率和精确率综合起来评价,计算公式为:
当参数:
时,就是F1,即:
为P和R的调和平均值。
长按识别下方二维码,关注我们吧(づ ̄3 ̄)❤~
来都来了,点个【好看】再走吧~~~