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。