深度学习指标
评估指标
真正例（True Positive， TP）：表示实际为正例，预测结果为正例的样本数量
假正例（False Positive， FP）：表示实际为反例，预测结果为正的样本数量。
假反例（False Negative，PN）：表示实际为正例，预测结果为反例的样本数量。
真反例（True Negative，TN）：表示史记为反例，预测结果为反例的样本数量。
召回率（Recall、查全率）
模型正确预测为正例的样本数量占实际上正例样本数量的比值。
精确度（Precision、查准率）
模型正确预测为正例的样本中，实际上是正例的样本所占的比值。
准确率（Accuracy）
accuracy = 预测正确的 / 预测错误的
F1-score
F1-score（均衡平均数）是综合考虑查准率（Precision）和查全率（Recall）的计算结果。
误差指标
MAE（Mean Absolute Error，平均绝对误差）
MSE（Mean Square Error，均方误差）
RMSE（Root Mean Square Error）
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！