首页 > 试题广场 >

有关机器学习分类算法的Precision和Recall,以下

[单选题]
有关机器学习分类算法的Precision和Recall,以下定义中正确的是(假定tp = true positive, tn = true negative, fp = false positive, fn = false negative)
  • Precision= tp / (tp + fp), Recall = tp / (tp + fn)
  • Precision = tp / (tn + fp), Recall = tp /(tp + fn)
  • Precision = tp / (tn + fn), Recall = tp /(tp + fp)
  • Precision = tp / (tp + fp), Recall = tp /(tn + fn)
本题分类问题,同等于检索问题(精确度==查准率,召回率==查全率)。
分类结果以混淆矩阵表现,,
1、精确度对应预测正确的占预测情况中正类(真正类+假正类)的比例;
2、召回率对应预测正确的占真实情况正类(真正类+假负类)的比例。
发表于 2019-04-25 10:59:52 回复(0)
精准率Precision:预测为正且实际为正的样本(TP)占所有预测为正样本的比率,所有预测为正的样本包括把正类预测成正类(TP),把负类预测成正类(FP),相对于预测的样本而言。
召回率Recall:预测为正的样本(TP)占真实正样本的比率,真实正样本包括把正类预测成正类(TP),把正类预测成负类(FN),相对于原样本而言。
发表于 2019-05-27 14:50:09 回复(0)

精确率(precision)的公式是 Precision= tp / (tp + fp), 它计算的是所有"正确被检索的样本(TP)"占所有"实际被检索到的样本(TP+FP)"的比例;

召回率(recall)的公式是 Recall = tp / (tp + fn), 它计算的是所有"正确被检索的样本(TP)"占所有"应该检索到的正确样本(TP+FN)"的比例。

发表于 2019-04-04 12:17:40 回复(0)
precision:分类正确的样本占分类器判定为正样本的比例
Recall:分类正确的正样本占真正的正样本的比例
发表于 2019-04-15 22:56:28 回复(0)
<p>精确度 查全 tp/tp+np </p><p>召回率 查准 tp/ tp+ nf</p>
发表于 2020-11-17 09:41:17 回复(0)