召回率 准确率 精确率
时间: 2024-10-15 18:05:42 浏览: 57
Pytorch 计算误判率,计算准确率,计算召回率的例子
召回率、准确率和精确率是评估分类模型性能的三个关键指标:
1. **召回率**(Recall 或 Sensitivity):它衡量的是模型正确识别出正样本的比例,即实际为正例中被模型预测为正例的数量占所有实际正例的比例。公式为:召回率 = TP / (TP + FN),其中TP代表真正例(True Positive),FN代表假负例(False Negative)。
2. **准确率**(Accuracy):这是最直观的评价指标,表示模型总共有多少次预测是正确的,等于正确预测的样本数除以总样本数。公式为:准确率 = (TP + TN) / (TP + TN + FP + FN),TN代表真负例(True Negative),FP代表假正例(False Positive)。
3. **精确率**(Precision 或 Precision Rate):它是衡量模型预测为正例的样本中有多少实际上是正例的能力,即TP占所有预测为正例的样本数的比例。公式为:精确率 = TP / (TP + FP)。
这三项指标在某些场景下可能会有冲突,例如当关注误报(FP)较少的情况,提高精确率会降低召回率;反之亦然。因此,在选择模型优化策略时需要根据业务需求权衡这三个指标。
阅读全文