错误率、准确率、精确率、召回率

这四个概念之前一直混淆着我，今天好好地梳理一遍，通过一个简单的二分类问题给出各自的解释
先给出各自的定义：

错误率：指分类错误的样本数占样本总数的比例，对于样本集D，定位错误率为：
E(f;D) = \frac{1}{m}\Sigma_i^mF(f(x_i \neq y_i))

准确率accuracy：分类正确的样本数占样本总数的比例
acc(f;D) = \frac{1}{m}\Sigma_i^mF(f(x_i = y_i))=1-E(f;D)

精确率(查准率)precision：表示被分为正例的个数中实际为正例的比例

召回率(查全率)：表示有多少个正例被准确分为了正例

我们用一个二分类的混淆矩阵来表示

真实情况 预测结果（正） 预测结果（反）
正 TP（真正例） FN（假反例）
反 FP（假正例） TN（真反例）

错误率：\frac{FN+FP}{TP+FN+FP+TN}

准确率：\frac{TP+TN}{TP+FN+FP+TN}

查准率：\frac{TP}{TP+FP}

召回率：\frac{TP}{TP+FN}

最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容