首页天道酬勤内容安全准确率召回率,precision方法

内容安全准确率召回率,precision方法

张世龙 06-24 05:17 30次浏览

为什么需要Precision (准确率)和Recall (召回率)呢? 首先只看罗斯的话,会出现什么问题?

举个例子,比如对于两种分类的模型,通过训练最终的loss只有5%,也就是准确率达到了95%。 我认为这显然是一个优秀的模型。

但是,在我们的训练数据中,只有3%的数据对应于标签为0,也就是负的样本,剩下的是正的样本,标签对应于1。

这样会发生什么? 如果我们的网络只能输出1,不管输入是什么都只能输出1,这样的模型准确率是97%,这样的模型会是更好的模型吗? 显然不是。

所以,这个时候需要用precision和recall

precision和reall

precision=TP/(TP FP )

recall=TP/(TP FN )

很多人怀疑这两个公式到底是什么意思。

precision是被预测为正确的数据中,真值为正确的比例,而recall是所有真值在正确的数据中能预测有多少是正确的。

虽然很难理解,但是举个癌症的例子吧。 现在,有些人,其中有人得了癌症,也有人没有得癌症。

对precision来说,我说你得了癌症,就是只要我说你得了癌症,你就基本上得了癌症。

对recll来说,在这个小组里,我几乎能找到所有患癌症的人。 也就是说,得了癌症的人一定在说我得了癌症的人之中。

具体来说,现在有300人、100人患有癌症。 我现在预测只有10人会得癌症。 那一定是我的precision非常高。 如果我预测现在有300人会得癌症的话,我的recall一定非常高。

但两者都不是我们想要的,所以要找到最好的网络模型,我们必须权衡两者

因为对recall和precision还有疑问,所以可以继续在评论区域留言

如果有错误,欢迎大家马上指出来!

recall计算,blast和burst的区别