可以說我有這樣的數據:準確率和查
Right Wrong
oneName 420 60
twoName 200 40
精一= TP /(TP + FP)
召回= TP /(TP + FN)
鑑於這個數據我瞭解精度是:
420(TP)
420(TP) + 60(FP).
但是,我很難理解和calculcating FN當你想要計算r緊急呼叫。這種情況下的FN是什麼?
可以說我有這樣的數據:準確率和查
Right Wrong
oneName 420 60
twoName 200 40
精一= TP /(TP + FP)
召回= TP /(TP + FN)
鑑於這個數據我瞭解精度是:
420(TP)
420(TP) + 60(FP).
但是,我很難理解和calculcating FN當你想要計算r緊急呼叫。這種情況下的FN是什麼?
您的1類精度是通過鑑定爲類1(TP + FP)實例的總數除以正確地識別爲第1類(TP)的實例的數目。 420被正確識別爲第1類,但是40被錯誤地識別爲第1類。因此,您對第1類的精度爲420 /(420 + 40)。
回憶類1是正確識別爲類1(TP)除以類1實例(TP + FN)的總數的實例的數量。 420被正確識別爲第1類,但60第1類實例被錯誤地識別爲第2類。因此,對第1類的召回是420 /(420 + 60)。
420 + 60 + 200 + 40是數據總量。 oneName是具有420個正確分類實例的類1,而60個錯誤。 twoName是2級,其具有40的同時錯誤200個正確分類的實例。 – sockevalley
那麼1級的60個被確定爲2級? – Sam
從我的理解是。這是一個練習的例子。 – sockevalley
不知道我明白了oneName和twoName是......這些只是兩行無關的數據嗎? – Sam
非常多。它可能是貓和狗。沒關係。 – sockevalley
我想我已經從這個鏈接中找到了它(https://www.quora.com/What-is-the-best-way-to-understand-the-terms-precision-and-recall)。 他聲明: 「所以,召回是您可以正確回想的許多事件與許多所有正確事件的比率。」 這意味着召回是420/620(420 + 200) – sockevalley