机器学习之F1（正确率与召唤率）
2019-03-06 21:16
85 查看
正确率与召唤率（precision and Recall）是广泛应用于信息检索和统计学分类领域的两个度量值，用来评价结果的质量。
一般来说，正确率就是检索出来的条目有多少是正确的，召回率就是所有正确的条目有多少被检索出来了。
我们希望检索结果Precision越高越好，同时Recall也越高越好，但事实上这两者在某些情况下是有矛盾的。比如极端的情况下，我们只搜索出了一个结果，而且是准确的，那么Precision就是100%，但是Recall就会很低；而如果我们把所有的结果都返回，那么比如Recall是100%，但是Precision就会很低。
因此在不同的场合中需要自己判断希望Precision比较高或者Recall比较高。
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- 【机器学习】准确率、召回率、F1
- 机器学习中的 precision、recall、accuracy、F1 Score
- 机器学习 F1-Score, recall, precision
- 【机器学习】为什么要使用F1衡量分类器的性能
- 机器学习 F1-Score, recall, precision
- 【机器学习】F1分数(F1_Score)详解及tensorflow、numpy实现
- 【深度学习-机器学习】分类度量指标 : 正确率、召回率、灵敏度、特异度，ROC曲线、AUC等
- 【机器学习】分类性能度量指标 : ROC曲线、AUC值、正确率、召回率、敏感度、特异度
- 机器学习 F1-Score, recall, precision
- 机器学习之分类性能度量指标 : ROC曲线、AUC值、正确率、召回率
- 机器学习知识点(三十六)分类器性能度量指标f1-score
- 机器学习中的 precision、recall、accuracy、F1 Score
- 机器学习——准确率、精度、召回率和F1分数(Machine Learning - Accuracy, Precision, Recall, F1-Score)
- 正确率、召回率、F1-Score
- 西瓜书《机器学习》阅读笔记2——Chapter2_查准率、查全率与F1
- 【机器学习基础】准确率(Accuracy), 精确率(Precision), 召回率(Recall)和F1-Measure
- 机器学习性能指标精确率、召回率、F1值、ROC、PRC与AUC
- 机器学习 F1-Score 精确率 - P 准确率 -Acc 召回率 - R
- 机器学习中的正确率、召回率
- 机器学习