多標籤分類的評價指標

多標籤分類作為多分類的一種推廣，每個樣本可以有多個類別，如下圖的標籤為：sea，sunset。所以其評價指標與多分類的也有差異，本文將介紹幾種評價指標。

1.hamming loss(漢明損失)，表示所有label中錯誤樣本的比例，所以該值越小則網路的分類能力越強。計算公式如下。

其中：|d|表示樣本總數，|l|表示標籤總數，xi和yi分別表示**結果和ground truth。xor表示異或運算。

樣例：

from sklearn.metrics import hamming_loss

y_pred = [1, 2, 3, 4]
y_true = [2, 2, 3, 4]
hamming_loss(y_true, y_pred) #輸出結果為0.25
hamming_loss(np.array([[0, 1], [1, 1]]), np.zeros((2, 2))) #輸出結果為0.75

3. 精度、召回率和f1值。其中精度計算公式為，召回率計算公式為，f1值的計算為精度和召回率的調和平均數。

4. 準確匹配。這個是最嚴格的標準了，是**結果和ground truth完全一致時的樣本數與總的樣本數的比值。

多標籤分類的評價指標

多標籤分類作為多分類的一種推廣，每個樣本可以有多個類別，如下圖的標籤為 sea，sunset。所以其評價指標與多分類的也有差異，本文將介紹幾種評價指標。1.hamming loss 漢明損失 表示所有label中錯誤樣本的比例，所以該值越小則網路的分類能力越強。計算公式如下。其中 d 表示樣本總數，...

評價指標 分類演算法中常用的評價指標

對於分類演算法，常用的評價指標有 1 precision 2 recall 3 f score 4 accuracy 5 roc 6 auc ps 不建議翻譯成中文，尤其是precision和accuracy，容易引起歧義。1.混淆矩陣 混淆矩陣是監督學習中的一種視覺化工具，主要用於比較分類結果和例...

分類器評價指標

by the way,classic post like 分類指標準確率 precision 和正確率 accuracy 的區別 精度和召回率是廣泛用於資訊檢索和統計學分類領域的兩個度量值，用來評價結果的質量。其中精度是檢索出相關文件數與檢索出的文件總數的比率，衡量的是檢索系統的查準率 召回率是指檢...