深度学习--TensorFlow（5）BP神经网络（混淆矩阵、准确率、精确率、召回率、F值）
·
目录
一、混淆矩阵
也程
误差矩阵，是表示
精度评价的一种标准格式，用n行n列的矩阵形式来表示。
在机器学习领域，混淆矩阵又称为可能性表格或者是错误矩阵。它是一种特定的矩阵用来呈现算法的效果。
后面准确率、召回率、精确率、F值的讲解，都以该例子进行计算：
二、准确率
准确率：识别成功的概率。
公式：
准确率比较好理解，难的是后面的召回率和精确率的理解。
三、召回率
召回率：找到正例（恐怖分子）的概率。（召回率越高说明找到正例(恐怖分子)的能力越强）
公式：
（TP：预测结果是positive，预测成功，原来是positive）
（FN：预测结果是negative，预测失败，原来是positive）
四、精确率
精确率：恐怖分子的判断能力。（精确率越高说明识别正例(恐怖分子)越精准）
公式：
（TP：预测结果是positive，预测成功，原来是positive）
（FP：预测结果是positive，预测失败，原来是negative）
五、综合评估指标 -- F值
综合评估指标 -- F值：精确率(P)和召回率(R)的加权调和平均。
公式：
=1时：
F1值计算：
旨在为数千万中国开发者提供一个无缝且高效的云端环境，以支持学习、使用和贡献开源项目。
更多推荐
2
0- 0
已为社区贡献19条内容
所有评论(0)