DeepLearning幾個關鍵名詞解釋

 

Precision:精確率

Recall:召回率

Accuracy:準確率

F1 Score:F1分數

計算公式:

precision = TP / (TP + FP)
recall = TP / (TP + FN)
accuracy = (TP + TN) / (TP + FP + TN + FN)
F1 Score = P*R/2(P+R)，其中P和R分別爲 precision 和 recall

須要知道的TP、FP、TN、FN

- TP，True Positive
- FP，False Positive
- TN，True Negative
- FN，False Negative

大概意思是  真正 假正   真負 假負
例如:
舉個簡單的二元分類問題 例子：

假設，咱們要對某一封郵件作出一個斷定，斷定這封郵件是垃圾郵件、仍是這封郵件不是垃圾郵件？

若是斷定是垃圾郵件，那就是作出（Positive）的斷定；
若是斷定不是垃圾郵件，那就作出（Negative）的斷定。

True Positive（TP）意思表示作出Positive的斷定，並且斷定是正確的。所以，TP的數值表示正確的Positive斷定的個數。
同理，False Positive（TP）數值表示錯誤的Positive斷定的個數。
依此，True Negative（TN）數值表示正確的Negative斷定個數。
False Negative（FN）數值表示錯誤的Negative斷定個數。