TP TN FP FN IOU

绝地灬酷狼 2021-12-18 23:15 181阅读 0赞

第一个字母T和F代表true和false，是形容词。  
第二个字母代表P和N阴性阳性，positive和negative，是预测结果。

TP: true positive, 正确的阳性，说明预测是阳性，而且预测对了，那么实际也是正例。  
TN: true negative, 正确的阴性，说明预测是阴性，而且预测对了，那么实际也是负例。  
FP: false positive, 假阳性，说明预测是阳性，预测错了，所以实际是负例。  
FN: false negative, 假阴性，说明预测是阴性，预测错了，所以实际是正例。

另一种说法，其实一样：  
TP：预测为正向（P），实际上预测正确（T），即判断为正向的正确率  
TN：预测为负向（N），实际上预测正确（T），即判断为负向的正确率  
FP：预测为正向（P），实际上预测错误（F），误报率，即把负向判断成了正向  
FN：预测为负向（N），实际上预测错误（F），漏报率，即把正向判断称了负向

准确率Accuracy=（TP+TN） / （TP+FP+TN+FN）， 即预测正确的比上全部的数据

精确率Precision=TP / （TP+FP），即在预测为正向的数据中，有多少预测正确了

召回率Recall=TP / （TP+FN），即在所有正向的数据中，有多少预测正确了入坑

1）正确率（accuracy）  
　　正确率是我们最常见的评价指标，accuracy = （TP+TN）/(P+N)，这个很容易理解，就是被分对的样本数除以所有的样本数，通常来说，正确率越高，分类器越好；  
2）错误率（error rate)  
　　错误率则与正确率相反，描述被分类器错分的比例，error rate = (FP+FN)/(P+N)，对某一个实例来说，分对与分错是互斥事件，所以accuracy =1 - error rate；  
3）灵敏度（sensitive）  
　　sensitive = TP/P，表示的是K88有正例中被分对的比例，衡量了分类器对正例的识别能力；  
4）精度/精确率（precision）  
　　精度是精确性的度量，表示被分为正例的示例中实际为正例的比例，precision=TP/（TP+FP）；  
5）召回率（recall）  
　　召回率是覆盖面的度量，度量有多个正例被分为正例，recall=TP/(TP+FN)=TP/P=sensitive，可以看到召回率与灵敏度是一样的。  
6）F1 Score  
分数（ Score），又称平衡F分数（balanced F Score），它被定义为精确率和召回率的调和平均数。  
![在这里插入图片描述][20190701173351849.png]  
7）受试者特征曲线（ROC 曲线，Receiver Operating Characteristic curve）  
展示了：召回率和精度的关系会如何变化。  
ROC 曲线在 Y 轴上画出了真正例率（TPR），在 X 轴上画出了假正例率 (FPR)。TPR 是召回率  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2N4bTQzOTk_size_16_color_FFFFFF_t_70]  
8)曲线下面积（AUC）：基于 ROC 曲线下方的面积，计算分类模型总体性能的指标。

9)IOU  
![在这里插入图片描述][20190701174546206.png]

参考：  
[https://www.jianshu.com/p/1afbda3a04ab][https_www.jianshu.com_p_1afbda3a04ab]  
[https://www.cnblogs.com/robinYangRP/p/9471783.html][https_www.cnblogs.com_robinYangRP_p_9471783.html]  
[https://www.jianshu.com/p/ba8a37247a1d][https_www.jianshu.com_p_ba8a37247a1d]

[20190701173351849.png]: /images/20211219/6ca1f1eaba0f4bd4bd9d21fbef7a453d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2N4bTQzOTk_size_16_color_FFFFFF_t_70]: /images/20211219/0ad0084845eb40778db979f96aa7a6f6.png
[20190701174546206.png]: /images/20211219/b54b3ba3bccf461ca12b22fa15197c82.png
[https_www.jianshu.com_p_1afbda3a04ab]: https://www.jianshu.com/p/1afbda3a04ab
[https_www.cnblogs.com_robinYangRP_p_9471783.html]: https://www.cnblogs.com/robinYangRP/p/9471783.html
[https_www.jianshu.com_p_ba8a37247a1d]: https://www.jianshu.com/p/ba8a37247a1d