sco inf 局限性 cor left .com 預測 同時 nbsp

一：Precision, Recall, F-score

信息檢索、分類、識別、翻譯等領域兩個最基本指標是召回率(Recall Rate)和準確率(Precision Rate------註意統計學習方法中precesion稱為精確率，而準確率為accuracy 是分類正確的樣本除以總樣本的個數。)，召回率也叫查全率，準確率也叫查準率，概念公式:

召回率(Recall)= 系統檢索到的相關文件 / 系統所有相關的文件總數；；；亦即預測為真實正例除以所有真實正例樣本的個數
準確率(Precision)= 系統檢索到的相關文件 / 系統所有檢索到的文件總數；；；亦即等於預測為真實正例除以所有被預測為正例樣本的個數

圖示表示如下：
註意：(1)準確率和召回率是互相影響的，理想情況下肯定是做到兩者都高，但是一般情況下準確率高、召回率就低，召回率低、準確率高，當然如果兩者都低，那是什麽地方出問題了。

（2）如果是做搜索，那就是保證召回的情況下提升準確率；如果做疾病監測、反垃圾，則是保準確率的條件下，提升召回。

所以，在兩者都要求高的情況下，可以用F1(或者稱為F-score)來衡量。計算公式如下：

F1= 2 * P * R / (P + R)
二：MAP

MAP:全稱mean average precision(平均準確率)。mAP是為解決P，R，F-measure的單點值局限性的，同時考慮了檢索效果的排名情況。

計算如下：

假設有兩個主題，主題1有4個相關網頁，主題2有5個相關網頁。某系統對於主題1檢索出4個相關網頁，其rank分別為1, 2, 4, 7；對於主題2檢索出3個相關網頁，其rank分別為1,3,5。對於主題1，平均準確率為(1/1+2/2+3/4+4/7)/4=0.83。對於主題 2，平均準確率為(1/1+2/3+3/5+0+0)/5=0.45。則MAP=(0.83+0.45)/2=0.64。”

• 目標檢測中的mAP是什麽含義？

• mean average precision（MAP）在計算機視覺中是如何計算和應用的？

• 幾個易混淆的概念（準確率-召回率，擊中率-虛警率，PR曲線和mAP，ROC曲線和AUC）

計算機視覺領域常見的度量指標