神经网络模型的评价指标

1、准确率(Accuracy)

         举例:我们有10张图片,每张图片有2类对象待定位检测。 此时总和为20,如果我们的模型定位并识别正确的个数为20,则准确率为100%。

         老师:准确率高?

         学生:高

         老师:这个系统还把某些不应该检测的对象定位并检测出来了,误检出10个,你觉得这个系统靠谱?

         学生:不是很靠谱,我们在再引入一个误检率怎么样,我们定义误检率为将其他非目标对象误认为目标对象的概率

2、误检率(false positve)

         举例:误检个数为10,10/20误检率为50%,  这个模型有点差, 如果“宁愿错杀一千,不放过一个”,那这个系统是可以用的,但代价就是浪费好多非目标产品。

         老师:这样可以评判一个模型好坏了吗?

         学生:好似可以了。但是如果类很多,比如10个类,9个类准确率很高,但是1个类准确率很低,虽然整体准确率很高,但这样这个系统也不是很好,毕竟某个类准确率低,会漏掉含有此类的产品的。

         老师:往下看……

3、精确率(precision)

         举例:在上面,我们总共检测了30个,有两类A, B。假设我们检测到了A类15个,但10张图中A类真实存在的数目是10个。这时候A类的精确率为10/15。依次类推其他类的精确率。

 

         

4、召回率(recal

已标记关键词 清除标记
相关推荐
©️2020 CSDN 皮肤主题: 技术黑板 设计师:CSDN官方博客 返回首页
实付 59.90元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值