1.precision-recall https://cn.mathworks.com/help/vision/ref/evaluatedetectionprecision.html?requestedDomain=www.mathworks.com#outputarg_precision aver ...
分类：
其他好文 时间：
2017-12-28 11:53:03
阅读次数：
180
0.背景 机器学习通常评判一个算法的好坏，是基于不同场景下采用不同的指标的。通常来说，有： [x] 准确度 ； PR (Precision Recall) ； [x] F测量 ； [ ] MCC ； [ ] BM ； [ ] MK ； [ ] Gini系数 ； [x] ROC ； [ ] Z sco ...
分类：
其他好文 时间：
2017-11-22 20:18:24
阅读次数：
204
1. 基本概念 1.1 ROC与AUC ROC曲线和AUC常被用来评价一个二值分类器（binary classifier）的优劣，ROC曲线称为受试者工作特征曲线 （receiver operating characteristic curve，简称ROC曲线），又称为感受性曲线（sensitivi ...
分类：
其他好文 时间：
2017-09-05 23:12:52
阅读次数：
480
Precision，准确率/查准率。Recall，召回率/查全率。这两个指标分别以两个角度衡量分类系统的准确率。 例如，有一个池塘，里面共有1000条鱼，含100条鲫鱼。机器学习分类系统将这1000条鱼全部分类为“不是鲫鱼”，那么准确率也有90%（显然这样的分类系统是失败的），然而查全率为0%，因为 ...
分类：
其他好文 时间：
2017-07-21 10:35:04
阅读次数：
872
转自：http://bookshadow.com/weblog/2014/06/10/precision-recall-f-measure/ 1、准确率与召回率（Precision & Recall） 准确率和召回率是广泛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。其中精度是检索出 ...
分类：
其他好文 时间：
2017-07-20 17:23:07
阅读次数：
160
1. 四个概念定义：TP、FP、TN、FN 先看四个概念定义： - TP，True Positive - FP，False Positive - TN，True Negative - FN，False Negative 如何理解记忆这四个概念定义呢？ 举个简单的二元分类问题 例子： 假设，我们要对某 ...
分类：
其他好文 时间：
2017-06-24 00:23:14
阅读次数：
266
有监督的分类算法的评价指标通常是accuracy, precision, recall, etc；由于聚类算法是无监督的学习算法，评价指标则没有那么简单了。因为聚类算法得到的类别实际上不能说明任何问题，除非这些类别的分布和样本的真实类别分布相似，或者聚类的结果满足某种假设，即同一类别中样本间的相似性 ...
分类：
其他好文 时间：
2017-06-19 19:48:19
阅读次数：
456
写在前面： 这段时间一直都在看一些机器学习方面的内容，其中又花了不少时间在推荐系统这块，然后自己做了一套简单的推荐系统，但是跑下来的结果总觉得有些差强人意，我在离线实验中得到Precision,Recall一般都只有15%左右，比起通常的机器学习算法动不动就90%以上的指标，这个我觉得显然是太低了， ...
分类：
其他好文 时间：
2017-05-21 15:23:33
阅读次数：
262
》》以下内容参考wikipedia。 precision 精确度 recall 召回率 样本数据可看成如下两组： false negative 伪负例 true negative 真负例 被算法挑选出的数据可看成如下两组： true positive 真正例 false positive 伪正例 即 ...
分类：
其他好文 时间：
2017-05-16 23:26:45
阅读次数：
200
二分类/多分类/多标签 对于二分类来说，必须定义一些matrics（f1_score，roc_auc_score）。在这些case中，缺省只评估正例的label，缺省的正例label被标为1（可以通过配置pos_label参数来完成） 将一个二分类matrics拓展到多分类或多标签问题时，我们可以将 ...
分类：
其他好文 时间：
2017-04-23 18:56:37
阅读次数：
278
