摘要:
F1分数是精确率和召回率的综合得分,实际是精确率和召回率的权衡。 F1=2*(精确率*召回率)/(精确率+召回率) 阅读全文
posted @ 2026-03-20 22:54
mafei666
阅读(1)
评论(0)
推荐(0)
摘要:
召回率:模型判为正类的数量占全部真正正类数量 举例: 一共10个小偷,警察抓了10个人,其中6个是小偷,4个是好人 召回率=抓到的小偷数量6/全部小偷数量10=60% 召回率关注抓的全不全 越高=漏掉的越少 阅读全文
posted @ 2026-03-20 22:50
mafei666
阅读(1)
评论(0)
推荐(0)
摘要:
精确率 模型预测的正类中真正正类的比例。更多关注模型预测正类的准确性 举例: 一共100个人,10个小偷,警察抓了10个人,其中6个是小偷,4个是好人 精确率=小偷/抓的所有人=6/10=60% 阅读全文
posted @ 2026-03-20 22:45
mafei666
阅读(2)
评论(0)
推荐(0)
摘要:
准确率指模型正确预测的总样本数与所有样本数之比 举例:抓小偷 总共一百个人=模型预测所有样本 一百个人中有十个真小偷=被正确预测的样本 抓了十个人=模型判断了十条数据 被抓的十个人中有6个是真小偷,4个是好人 那么准确率就是抓对的小偷(6个)和没抓错的好人(86个)比上总样本数100=92% 准确率 阅读全文
posted @ 2026-03-20 21:31
mafei666
阅读(2)
评论(0)
推荐(0)

浙公网安备 33010602011771号