标签：FP 负类 预测 cancer recall precision TP 正类 accuracy

脑子笨，总是搞混这几个概念，然后每次都要重新理解别人写的，还是很绕，这样写下次应该就能很快明白了，哈哈

一、 准确率(accuracy),精确率(precision),召回率(recall)

TP : 将正类预测为正类数 (预测正确)   （正类）

FN: 将正类预测为负类数（预测错误）（正类）

FP: 将负类预测为正类数（预测错误）（负类）

TN: 将负类预测为负类数（预测正确）（负类）

TP+TN：预测结果正确的数量

TP+FP：预测结果为正类的数量

TP+FN：样本中所有的正类的数量

TP+TN+FP+FN：样本总数

准确率(accuracy) ：预测结果正确的数量占样本总数，(TP+TN)/(TP+TN+FP+FN)

精确率(precision)：正确预测为正类的数目(TP)占预测结果为正类的数量，TP/(TP+FP)

召 回 率  (recall)   :  正确预测为正类的数目(TP)占样本中所有的正类的数量，TP/（TP+FN）

举个cancer的测试栗子：

① precision表示的就是正确预测为cancer患者的数目占所有预测为cancer患者的数量(包括实际没有cancer而错误地预测为cancer患者的人)

② recall表示的就是正确预测为cancer患者的数目占所有实际患有cancer患者的数量。

bam？

肯定有疑惑啦，还是不太清晰precision和recall的物理意义，我还是不尝试解释了

标签：FP,负类,预测,cancer,recall,precision,TP,正类,accuracy
来源： https://www.cnblogs.com/chentiao/p/16378097.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。