準確率（Accuracy） 精確率（Prescision） 召回率（Recall）

jacobssy發表於2018-06-15

在機器學習訓練當中（包括深度學習）要評價一個模型的好壞，我們就必須要上一些指標來衡量我們的模型是否達到了一定的水平，拋開具體的業務來說（當然這樣是不可取的，一切的模型都要為業務服務，畢竟是要創造商業價值的）我們會有一些比較通用的指標，這裡主要講一下準確率，精確率，召回率三個指標，用一個例子來幫助理解這三個指標。

  • 首先在這裡假設一個例子，我訓練了一個分類的模型，目的是從狗和貓的圖片中選出貓。

  • 假設這裡有100張圖片，貓有40張，狗有60張。

  • 我將這100張圖片送進分類模型，最後這個模型挑選出了60張它認為是貓的圖片（其中30張確實是貓，另外30張是狗的圖片），它認為剩餘的40張圖片為狗。

1 準確率（ 對於給定的測試資料集，分類器正確分類的樣本數與總樣本數之比）

在這個例子當中，分類器正確的識別了30張貓，20張狗的圖片，也就是說準確率是50/100 ，即accuracy = 0.5，是不是感覺這模型不行？不急，接著往下看。

2 精確率

要解釋這個概念，我們先來看一組概念（研究也是這樣，要得到一個概念，要設計出多組概念，暈。）

enter image description here

在這個例子裡，TP = 30，FP = 30，FN =10，TN = 30

那麼，精確率是什麼呢？精確率就是 TP/TP+FP，即在模型預測到貓的圖片當中，真正是貓的比例，在這個例子裡，precision = 30/30+30 = 0.5

3 召回率（recall）

召回率是什麼呢？召回率就是TP/TP+FN，即在模型預測的貓的圖片佔所有貓的比例，也就是我們的模型從所有的貓中選出來了多少貓，recall = 30/30+10 = 0.75

4 總結

  • 自己理解就是，準確率就是找得對，召回率就是找得全。

  • 準確率和召回率是互相影響的，理想情況下肯定是做到兩者都高，但是一般情況下準確率高、召回率就低，召回率低、準確率高，當然如果兩者都低，那是什麼地方出問題了

  • 有很多評判模型的指標，例如AP mAP ROC AUC等等 ，參考連結：https://www.cnblogs.com/sddai/p/5696870.html (有更多的解釋)

相關文章