这是一个创建于 32 天前的主题，其中的信息可能已经有所发展或是发生改变。
日常说模型准召说的很顺口，今天在写概念梳理文档的时候才意识到不对劲，我们日常说的似乎应该是“精召”？
- 精确率：precision = TP / (TP + FP)
- 召回率：recall = TP / (TP + FN)
- 准确率：accuracy = (TP + TN) / (TP+ FP + TN + FN)
- F1-Score：F1 Score = 2（ PR ）/ (P+R)，其中 P 和 R 分别为 precision 和 recall
你们日常会把 precision 叫成准确率吗？那你们怎么叫这个 accuracy 呢？
- True Positive(真正, TP)：将正类预测为正类数.
- True Negative(真负, TN)：将负类预测为负类数.
- False Positive(假正, FP)：将负类预测为正类数 →→ 误报 (Type I error).
- False Negative(假负, FN)：将正类预测为负类数 →→ 漏报 (Type II error).
 |
1
Ricardoo 32 天前
因为精确率还有一个别称，叫查准率
 |
 |
2
w568w 32 天前
我是这么助记的，以股票为例：
精确率：说一个人「精」，就是说他投资非常小气，只有算准了绝对涨的时候才会买，所以 精确率=#(真涨了)/#(他看涨) 准确率：说一个人「准」，就是说他是股神，每次不管涨跌都能预测对，所以 准确率=#(真涨或跌了)/#(预测总数) 其他也类似： 召回率：把每次涨的时刻都回忆（ recall ）起来，这人有几次看涨？所以召回率=#(他看涨)/#(涨了) 这里很明显「精」和「召回」是矛盾的，一个人越精、越保守，他就越容易漏掉一些小涨的瞬间；反过来，一个人闭着眼睛投资永远看涨，那他召回率就是 100%，但肯定亏本。所以，要综合衡量这两个方面，就用 F-score 来计算。 |
 |
3
hushuguo 31 天前
我们实验室的话，一般就叫 precision
|
 |
4
bluetooth503 31 天前
我喜欢叫查全率、查准率，比较好记，也比较好理解。
|
 |
5
InkStone 31 天前
主要是因为 precision 和 accuracy 这两个词本来就没有那么清晰的语义区分吧，怎么翻译都可以。只是 precision 恰好还关联了“精度”这个含义，所以“准度”就归了 accuracy 。
|
Select Language