物件特征分类的评价指标有哪些?

物件特征分类的评价指标有哪些?

评价指标可以分为两类:

  • 定量指标
  • 定性指标

定量指标

  • 准确率 (Accuracy):正确分类的样本数量占总样本数量的比例。
  • 召回率 (Recall):所有正例样本中被正确分类的样本数量占所有正例样本数量的比例。
  • ** precision (Precision)**:正例样本中被正确分类的样本数量占所有正例样本数量的比例。
  • F1 分数 (F1):召回率和精度之和的调和值。
  • 混淆矩阵:显示了不同类别的样本的真实类别和预测类别之间的分布。

定性指标

  • 困惑度 (F-score):召回率和准确率的调和值。
  • NDCG (Normalized Discounted Cumulative Gain):根据相似性排序的样本,计算每个样本的相似度。
  • ROC 曲线 (Receiver Operating Characteristic Curve):显示了不同召回率下的准确率。
  • AUC (Area Under the Curve):ROC 曲线的面积,表示正例样本被正确分类的概率。

选择合适的评价指标取决于具体的应用场景。

相似内容
更多>