精确率和召回率的权衡

本文转载自查看原文 2019-09-10 22:24 383 自然语言处理

2019-09-10 22:17:21

问题描述：精确率和召回率的权衡。

问题求解：

要回答这个问题首先要明确这两个概念，精确率是分类正确的正样本 / 判定为正样本的总数；召回率是分类正确的正样本 / 真正正样本的总数。

Presion 和 Recall 是既矛盾又统一的两个指标，为了提高Presion，分类器需要保守一点，尽量在更有把握的时候才把样本归类到正样本，但此时往往会因为过于保守而漏掉很多“没有把握”的正样本，导致Recall值降低。

一般可以综合考虑这两个指标，采用调和平均的方式计算F1值，其计算公式如下：

本站转载的文章为个人学习借鉴使用，本站对版权不负任何法律责任。如果侵犯了您的隐私权益，请联系本站邮箱yoyou2525@163.com删除。

猜您在找 分类--精确率和召回率精确率、准确率、召回率精确率，准确率和召回率召回率，精确率，mAP如何计算 Recall（召回率）and Precision（精确率） Tensorflow计算正确率、精确率、召回率精确率、准确率、召回率和F1值准确率、精确率、召回率、F1 召回率（Recall），精确率（Precision），平均正确率准确率、精确率、召回率的含义