TP、FN、TN、TP详解

每次遇到TP、FN、TN、TP都晕头,这一次好好认认真真总结下,大家可以收藏下,随时查看

P、N 代表检测到的样本状态,T、F代表检测是否有误,以FP为例,FP表示样本被检测为正样本,但检测是错误,因此该样本实际是负样本,FP是指把负样本错检测成正样本了(这里简写为“实负测正”)

1、假阳率:False Positive Rate = 实负测正 / 实负 = FP / (FP + TN)

2、假阴率:False Negative Rate = 实正测负 / 实正 = FN / (TP + FN)

3、真阳率:True Positive Rate = 实正测正 / 实正 = TP / (TP + FN)

4、真阴率:True Negative Rate = 实负测负 / 实负 = TN / (FP + TN)

5、查准率:Precision Rate = 实正测正 / 测正 = TP / (TP + FP)

6、召回率:Recall Rate = 实正测正 / 实正 = TP / (TP + FN) 

召回率的作用是:如果10个样本中有9个是负的,1个是正的,那么检测器只要将所有样本全部检测为负的,即可得到90%的正确率,这自然不行;

此时计算对正样本的召回率,在实际1个正样本中,该检测器只检测到了0个正样本,那么召回率为0,即可对其过高的正确率进行惩罚

 

 

 

版权声明:本文为CSDN博主「我有明珠一颗」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/m0_37738114/article/details/115352883

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

目标检测——yolov4损失函数

人工智能学习离不开实践的验证,推荐大家可以多在FlyAI-AI竞赛服务平台多参加训练和竞赛,以此来提升自己的能力。FlyAI是为AI开发者提供数据竞赛并支持GPU离线训练的一站式服务平台。每周免费提供项目开源算法样例

目标检测中的先验框(Anchor)

什么是先验框?
了解过目标检测算法的朋友们肯定知道先验框(Anchor)的概念,那么什么是先验框,为什么要有先验框?若要解释这个问题,首先我们需要了解边界框回归原理。
b

目标检测:Yolov5集百家之长

首发于:公众号YueTan (1920,被识别为泰迪熊?有排面)
背景
2017年底,我已毕业多年了。用起Excel和PPT、研究车的质量问题俨然老手的样子。有一晚&#