机器学习之AUC、AUPRC、F1等评价指标的含义 |
您所在的位置:网站首页 › auc与f1 › 机器学习之AUC、AUPRC、F1等评价指标的含义 |
AUC = 0.506031
AUC(area under the curve)是模型评估指标,特别是二分类模型使用的主要离线评测指标之一。 参考博客,AUC值是ROC曲线与x轴围成的面积。AUC的来源路线:混淆矩阵--ROC曲线--AUC 1.混淆矩阵(二分类) 当阈值(区分类别1,0的值)从1到0慢慢移动,产生很多对 (FPR,TPR)。以FPR为x轴,TFR为y轴的曲线就是ROC曲线,而AUC就是ROC曲线和x轴围成的面积。
PRC曲线是准确率和召回率的点连成的线。AUPRC=PRC曲线和x轴围成的面积。同AUC相同可以作为选取合适阈值的方法。 F1是分类问题的一个衡量指标。表示准确率(precision)和召回率(recall)的平均数。 F 1 = 2. p r e c i s i o n . r e c a l l p r e c i s i o n + r e c a l l F_1=2.{ \frac {precision.recall} {precision+recall}} F1=2.precision+recallprecision.recall IoU = 0.216904IoU=预测框和真实框的交并比:
I
o
U
=
∣
A
⋂
B
∣
∣
A
⋃
B
∣
IoU={ \frac {|A \bigcap B|} {|A\bigcup B|}}
IoU=∣A⋃B∣∣A⋂B∣ |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |