「深度学习」最基本的四大评价指标！！

ShuYini AINLPer 2020年01月02日 15:59

喜欢我们，点击上方AINLPer，关注一下，极品干货即刻送达！

参考：https://blog.csdn.net/asialee_bird/article/details/83091854

引言

在深度学习（DP）这个领域中，如何判定一个模型的好坏？那么模型评估是必不可少的。不论对于自然语言处理(NLP)、机器学习(ML)、信息检索(IR)等领域，评估(Evaluation)是一个必要的工作。而这其中所涉及到的评价指标一般包括：准确率(Accuracy)、精确率(Precision)、召回率(Recall)以及F1-measure。

正文开始

在介绍各个评价指标之前，这里先帮助大家回忆几个概念。TP(True Positive)、TN(True Negative)、FP(False Positive)、FN(False Negative)。其中这四个参数的关系如下图所示：

准确率（Accuracy）表示正确分类的测试实例的个数占测试实例总数的比例，计算公式为：：

精确率（Precision）：也叫查准率，表示正确分类的正例个数占分类为正例的实例个数的比例，计算公式为：

召回率（Recall）：也叫查全率，表示正确分类的正例个数占实际正例个数的比例，计算公式为：

综合评价指标（F-measure）：是基于召回率（Recall）与精确率（Precision）的调和平均，即将召回率和精确率综合起来评价，计算公式为:

当参数：

时，就是F1，即：

为P和R的调和平均值。

Attention：欢迎关注AINLPer微信公众号，了解更多最新的关于深度学习、自然语言处理相关的知识。

长按识别下方二维码，关注我们吧(づ￣3￣)❤～

来都来了，点个【好看】再走吧~~~

微信扫一扫
关注该公众号

继续滑动看下一个