机器学习：准确率(Accuracy), 精确率(Precision), 召回率(Recall), F-measure

coasxu

于 2019-03-20 21:05:36 发布

阅读量2.1k

点赞数 2

CC 4.0 BY-SA版权

分类专栏： # 深度学习文章标签：机器学习

文章主要讲解机器学习中的评测指标。先介绍混淆矩阵，包括TP、TN、FP、FN的含义，接着阐述评测指标的定义，如正确率、精确率、召回率，还提到因Precision和Recall不能全面评测模型效果，引入了F - measure。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

这篇文章主要讲解一下机器学习中的几大评测指标
在读CTPN的论文时，遇到了Precision, Recall, F-measure三个概念
那么下面就简单从最开始的讲起

混淆矩阵

	Postive	Negative
True	True Positive(TP)	True Negative(TN)
False	False Positive(FP)	False Negative(FN)

TP: 正确识别为正样本
TN: 正确识别为负样本
FP: 错误识别为正样本
FN: 错误识别为负样本

助记：前者是否识别正确，后者是否本身为正

了解了混淆矩阵之后，来看看评测指标是如何定义的。

正确率Accuracy(可以看作所有样本识别正确的样本比例)
$ACC=\frac{TP+TN}{TP+TN+FP+FN}$

200万优质内容无限畅学