美文网首页
【基础概念】准确率和召回率

【基础概念】准确率和召回率

作者: Gavin_chen | 来源:发表于2019-11-21 16:41 被阅读0次

    算法模型大大提升了对各类结果的预测效率。

    【算法模型的本质】
    算法模型的本质,是基于输入的各类变量因子,通过计算规则(模型or公式),得出预测结果。
    典型的预测结果比如:(通过历史行为&偏好预测)用户对某条信息点击的可能性、(通过历史行为&偏好预测)用户的自然人口属性如性别等。

    【如何判定模型的好坏】
    准确率和召回率的评估,是验证算法模型好坏最常用的手段之一。
    现在假设你和模型在玩问答游戏,每次拿一个样本,告诉他一些这个人的信息,让ta找出所有男生。
    准确率=预测的准确量/召回量(找出量)。比如:在所有样本中,模型预找出50人说他们都是男性,而找出的这波人里实际只有40人为男性,准确率=40/50=80%,用来衡量找出部分的准确度。
    召回率=召回中的准确量/客观正确的量。是拿真实的结果,和预测结果比对。比如:总共实际有60个男性,模型只找出了50个,那召回率=50/60=83.3%,用来衡量找出部分对实际真实部分的覆盖情况。

    【准召判定,会有哪些情况?】

    对预测结果的评估,于是就构成了以下四种集合。见下图。 image.png 下图。刚才4种集合,图形摊开的话,就是这个样子的。 image.png 下图。过度保守的情况。模型可以很保守,准确率达到了100%,但由于过度追求准确,漏掉了大量正确的结果。 image.png 下图。过度召回。召回率100%,确保了正确的集合都被召回,但由于召回了大量错误集合,所以准确率很低。 image.png

    下图。理想情况——又多有准确。棒。


    image.png

    相关文章

      网友评论

          本文标题:【基础概念】准确率和召回率

          本文链接:https://www.haomeiwen.com/subject/wtytwctx.html