Precision 和 Recall 是常考的知識點，就其區(qū)別做一個詳細(xì)總結(jié)
1. Precision?
中文翻譯 “精確率”，“查準(zhǔn)率”。 “查準(zhǔn)率”這個名字更能反應(yīng)其特性，就是該指標(biāo)關(guān)注準(zhǔn)確性。?
計算公式如下：
這里TP，F(xiàn)P的概念來自統(tǒng)計學(xué)中的混淆矩陣，TP指 “預(yù)測為正（Positive）, 預(yù)測正確（True）” (可以這里記憶：第一位表示該預(yù)測是否正確，第二位表示該預(yù)測結(jié)果為正還是負(fù))? ??， 于是，我們可以這樣理解 Precision :? 所有預(yù)測為正例的案例中，預(yù)測準(zhǔn)確的比例? ? ? ??
Precision適用什么樣的場景呢？
適用于?需要盡可能地把所需的類別檢測準(zhǔn)確，而不在乎這些類別是否都被檢測出來 ，即 寧可放過一些壞人，也不冤枉一個好人（識別壞人（正例）的準(zhǔn)確性很高，但不一定能識別所有壞人）? ?
具體來說，銀行人臉識別系統(tǒng)，B來識別，系統(tǒng)能預(yù)測為B即可，至于A C來識別是否真的預(yù)測為A C不重要.
2.Recall?
中文翻譯 “查全率” “召回率”，等價于 “靈敏度（Sensitivity）” ， “真正率（TPR）” （真正率就是ROC曲線的縱軸，我們總是期望一個學(xué)習(xí)器的TPR越高越好，理想情況就是1）?
計算公式如下 ：
?
Recall的解釋是：所有預(yù)測準(zhǔn)確的案例中，正例所占的比例??? ??需
適用的場景是：要盡可能地把所需的類別檢測出來，而不在乎結(jié)果是否準(zhǔn)確??, 也就是 寧可錯殺一千，也不放過一個??
具體來說，地震預(yù)測，我們希望把所有的地震都預(yù)測到，可以犧牲 Precision（存在誤報）?
總結(jié)一下查全率和查準(zhǔn)率的區(qū)別：
（1）. Recall 和 Precision是相互矛盾的。如果想要更高的recall，那么就要讓模型的預(yù)測能覆蓋到更多的樣本，但是這樣模型就更有可能犯錯，也就是說precision會比較低。如果模型很保守，只能檢測出它很確定的樣本，那么其precision會很高，但是recall會相對低。
（2）. Recall（TPR）的分母是樣本中正類的個數(shù)，因此樣本一旦確定，其分母即為定值，也就是說recall的變化隨分子增加而單調(diào)遞增；precision的分母是樣本中預(yù)測為正類的個數(shù)，其會隨著分類閾值的變化而變化，因此Precision的變化受TP和FP的綜合影響，不單調(diào)，變化情況不可預(yù)測。
3. 一些相關(guān)參數(shù)?
真陽性率 TPR (見上文)，假陽性率（FPR）, FPR 公式為 ：
FPR= FP / (FP + TN)? ?
FPR的意義：所有實際為負(fù)的例子中，預(yù)測錯誤的比例。 FPR = 1 - Specificity （特異性）??
假陰性率：FNR = 1 - Sensitivity? (靈敏度，Recall, TPR)
在現(xiàn)實中，人們往往對查全率和查準(zhǔn)率都有要求，但是會根據(jù)應(yīng)用場景偏向某一邊. 此時需要用到PR曲線。?文章來源：http://www.zghlxwxcb.cn/news/detail-602082.html
PR曲線應(yīng)用場景：需要根據(jù)需求找到對應(yīng)的precision和recall值。如果偏向precison，那就是在保證recall的情況下提升precision；如果偏向recall，那就是在保證precision的情況下提升recall文章來源地址http://www.zghlxwxcb.cn/news/detail-602082.html
到了這里，關(guān)于機(jī)器學(xué)習(xí)系列(二)——評價指標(biāo)Precision和Recall的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
