深度学习基础：评价标准——TP、FN、FP、TN、AP、MAP
010TP：实际正类预测为正类的数量；FN：实际正类预测为负类的数量；1FP：实际负类预测为正类的数量；TN：实际负类预测为负类的数量T=True，F=False，表示是否预测正确；P=Positive，N=Negative，表示预测结果是正类还是负类。精确率（被预测为正例的示例中实际为正例的比例）： precision=aa+c=TPTP+FPprecision = \frac{a}{a+c}=
·
1、TP、FN、FP、TN
| 0 | 1 | |
|---|---|---|
| 0 | TP：实际正类预测为正类的数量； | FN：实际正类预测为负类的数量； |
| 1 | FP：实际负类预测为正类的数量； | TN：实际负类预测为负类的数量 |
T=True，F=False，表示是否预测正确；
P=Positive，N=Negative，表示预测结果是正类还是负类。
- 精确率（被预测为正例的示例中实际为正例的比例）： p r e c i s i o n = a a + c = T P T P + F P precision = \frac{a}{a+c}=\frac{TP}{TP+FP} precision=a+ca=TP+FPTP ；
- 召回率： r e c a l l = a a + b = T P T P + F N recall = \frac{a}{a+b}=\frac{TP}{TP+FN} recall=a+ba=TP+FNTP ；
- 准确率（所有实际正例中有多少正例被找到）： a c c u r a c y = a + d a + b + c + d = = T P + T N T P + F N + F P + T N = T P + T N P + N accuracy = \frac{a+d}{a+b+c+d}==\frac{TP+TN}{TP+FN+FP+TN}=\frac{TP+TN}{P+N} accuracy=a+b+c+da+d==TP+FN+FP+TNTP+TN=P+NTP+TN
2、AP、MAP
参考：
更多推荐
2
0- 0
已为社区贡献1条内容
所有评论(0)