如何解释召回率与精确率


原文首发于知乎问题:如何解释召回率与精确率

最直观易懂的方式就是从字面意义去理解。

1. 例子

我们在公园里放出$50$只皮卡丘和$10$只臭臭泥。有正常审美的人都会想要用精灵球把尽可能多的皮卡丘抓回来,同时尽可能少地抓住臭臭泥。

最终我们的精灵球成功抓回来了$45$只皮卡丘,我们就可以说所有皮卡丘中有$45$只被召唤(call)回来(re)了,所以 $recall = 45 / 50$。

但同时,这台机器还抓回来了$5$只臭臭泥,在它抓回来的所有$50$只神奇宝贝($45$皮卡丘+$5$臭臭泥)中,机器对皮卡丘判断的精准性 $(precision) = 45 / 50 = 9 / 10$。

在上面的例子中,精灵球=预测模型皮卡丘=正样本臭臭泥=负样本

2. 总结

这两个概念的用处:描述模型对正样本的预测性能
recall描述模型“把正样本叫(call)回来(re)”的能力
precision描述模型“叫回来的正样本”有多少是精确的


文章作者: Shane Tsui
版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 Shane Tsui !

  目录