人工智能训练模型评价好坏方法
训练出的结果有一下四种
| 预测结果 | 实际结果 | |
|---|---|---|
| TP | 正 | 正 |
| FN | 正 | 反 |
| FP | 反 | 正 |
| TN | 反 | 反 |
有三个指标判断人工智能训练模型的单方面好坏
- 正确率(accuracy) = TP+TN/TP+FN+FP+TN
- 精确率(precision) = TP/TP+FP
- 召回率(recall) = TP/TP+FN
一、F1值
F值是精确率和召回率的调和平均
F1值是a取1的情况
一般比赛就用F1值。当F1值相差不大时，再看正确率(accuracy)。
二、受试者工作特征曲线（ROC）
横坐标是FP，纵坐标是TP。
曲线的面积(AUP)越大，表面正确率越高，曲线越光滑，过拟合程度越低。
b的面积 > a的面积，则b的正确率 > a的正确率。