precision、recall、F1的计算方法和物理意义

类别

1. 猫
 2. 狗
 3. 猪

           

计算方法和物理意义

p r e c i s i o n 猫 precision_猫 precision猫​= 识 别 为 猫 类 正 确 的 数 量 识 别 为 猫 类 总 数 量 {识别为猫类正确的数量} \over {识别为猫类总数量} 识别为猫类总数量识别为猫类正确的数量​

precision为50%物理意义：该模型识别出猫的可参考价值（准确率）为50%

r e c a l l 猫 recall_猫 recall猫​= 标 签 为 猫 类 识 别 正 确 的 数 量 标 签 为 猫 类 的 总 数 量 {标签为猫类识别正确的数量} \over {标签为猫类的总数量} 标签为猫类的总数量标签为猫类识别正确的数量​

recall为10%物理意义：该模型在猫、狗、猪中正确识别出猫的概率为10%

f 1 猫 f1_猫 f1猫​= 2 ∗ p r e c i s i o n 猫 ∗ r e c a l l 猫 p r e c i s i o n 猫 + r e c a l l 猫 {2*precision_猫*recall_猫} \over {precision_猫+recall_猫} precision猫​+recall猫​2∗precision猫​∗recall猫​​

f1物理意义：模型综合能力