深度學習的精確率和召回率，淺顯的例子

 最近正好做 男女兒童的分類，舉個具體的例子解釋一下：

假設 兒童5w, 識別成兒童的有 4w， 識別成 other 的有1w.
other 10w, 識別成other的有8w, 識別成 兒童的有 2w
下面分析兒童的准確率和召回率，那么按照給出的信息分析下面表格：

兒童相關數據 兒童不相關數據

檢索到兒童 是兒童的數據並識別為兒童 把other識別成兒童
（正類識別為正類， TP=4w） （負類識別為正類，FP=2w）

未檢索到兒童 是兒童數據卻識別為other 把other識別為 other
(正類識別為負類， FN= 1w) (負類識別為負類， TN=8w)

由於我們現在分析的是兒童的准確率和召回率，所以兒童是正類，other是負類，
所以准確率可以解釋為，在所有 判別為兒童的數據中是兒童的 數據的比例：
acc = TP /（TP + FP） = 66.67%
召回率可解釋為， 在所有兒童相關的數據中，判別為兒童的 數據的比例：
recall = TP / (TP + FN) = 80%
同樣的可以統計 other 的 准確率和召回率， 根據上面表格中詳細的解釋，可以自己試試。

 

上面內容是拷貝過來的，

筆者補充：

F1 Score：F1 Score = P*R/2(P+R)，其中P和R分別為 precision 和 recall

F1 = 0.18