当前位置: 首页 > ds >正文

怎样记忆Precision、Recall?

首先,明确符号:
TP(True Posive):标签为正,预测为正
TN(True Negative):标签为负,预测为负
FP(False Positive):标签为负,预测为正
FN(False Negative):标签为正,预测为负

于是:
TP+FP:预测为正的所有样本
TP+FN:标签为正的所有样本

现在开始画图。

图1:

其中大矩形表示所有样本,左边的矩形表示正样本,右边的矩形表示负样本。

图2:
在这里插入图片描述
现在对所有样本进行预测。其中蓝色圆圈以内预测为正,蓝色圆圈以外预测为负。

图3:
在这里插入图片描述
自然地,就得到了图3。

有了图3以后,直接从维基百科搬图4:
在这里插入图片描述
如最下方的等式所示:
Precision:TP在圆形中的比例
Recall:TP在左边矩形中的比例

http://www.xdnf.cn/news/1717.html

相关文章:

  • [特殊字符][特殊字符] HarmonyOS相关实现原理聊聊![特殊字符][特殊字符]
  • 【玩转全栈】—— 无敌前端究极动态组件库--Inspira UI
  • 乡村治理数字化平台:信息技术赋能乡村振兴的深度探索
  • 数据结构-选择排序(Python)
  • QT创建软件登录界面(14)
  • JavaScript 的“世界模型”:深入理解对象 (Objects)
  • 理解欧拉公式
  • 弄清C语言中的链表
  • 济南国网数字化培训班学习笔记-第二组-1节-输电线路工程
  • DRF凭什么更高效?Django原生API与DRF框架开发对比解析
  • 如何创建和使用 Hive 视图
  • 【低配置电脑预训练minimind的实践】
  • 【网络安全】社会工程学策略
  • H3C Magic路由器安全警报来啦![特殊字符][特殊字符]
  • Spark-Streaming核心编程(2)
  • 三国杀专业分析面板,立志成为桌游界的stockfish
  • AI与智能能源管理:如何通过AI优化能源分配和消耗?
  • 矩阵运营的限流问题本质上是平台与创作者之间的流量博弈
  • 【25软考网工】第三章(3)虚拟局域网VLAN
  • Nginx 反向代理,啥是“反向代理“啊,为啥叫“反向“代理?而不叫“正向”代理?它能干哈?
  • Qt5.15.2+OpenCV4.9.0开发环境搭建详细图文教程(OpenCV使用Qt自带MinGW编译的全过程,包教包会)
  • 低代码平台开发串口调试助手
  • 【Java面试笔记:进阶】17.一个线程两次调用start()方法会出现什么情况?
  • 单体OJ项目
  • Java语言的进化:JDK的未来版本
  • vue-study(1)
  • Vue3项目中 npm 依赖安装 --save 与 --save-dev 的区别解析
  • 面试篇:Spring Boot
  • leetcode 69和367
  • 一道MySQL索引题