“深入理解机器学习性能评估指标：TP、TN、FP、FN、精确率、召回率、准确率、F1-score和mAP”

引言

分类标准

示例：癌症检测

1. 精确率（Precision）

引言

机器学习的核心目标之一是构建出具有良好性能的模型。为了评估模型的性能，我们依赖于一系列重要的指标。在本文中，我们将深入探讨这些指标，包括True Positive（TP）、True Negative（TN）、False Positive（FP）、False Negative（FN）、精确率、召回率、准确率、F1-score以及目标检测领域中常用的均值平均精度（mAP）。

分类标准

示例：癌症检测

假设我们正在开发一个癌症检测模型，我们有12个患者样本，其中4个是患有癌症的正例，8个是健康的负例。

# 模型预测结果
predicted = [0, 0, 1, 0, 1, 1, 0, 0, 1, 0, 0, 0]
# 实际标签
actual =    [0, 0, 1, 0, 1, 0, 0, 1, 1, 0, 0, 0]

	预测值=1	预测值=0
真实值=1	3（TP）	1（FP）
真实值=0	1（TN）	7（FN）

TP = 3（实际患病并被正确预测出来的数量）
FP = 1（实际健康但被错误预测为患病的数量）
TN = 1（实际患病但被错误预测为健康的数量）
FN = 7（实际健康并被正确预测出来的数量）

通过这些基本的概念，我们可以计算其他重要的性能指标。

1. 精确率（Precision）

精确率是指模型正确预测为正例的样本中，实际为正例的比例。计算公式为：

$\text{Precision} = \frac{TP}{TP + FP}=\frac{3}{4}$

定义：精确率是指在所有模型预测为正例的样本中，实际为正例的比例。
应用场景：
- 欺诈检测：用于确定模型正确识别欺诈交易的比例，以减少误报。
- 医学诊断：用于评估模型正确诊断疾病的能力，减少误诊率。

2. 召回率（Recall）

召回率是指实际为正例的样本中，模型正确预测为正例的比例。计算公式为：

$\text{Recall} = \frac{TP}{TP + FN} =\frac{3}{4}$

定义：召回率是指实际为正例的样本中，模型正确预测为正例的比例。
应用场景：
- 恶性肿瘤筛查：用于确保模型不会错过患有癌症的病例，减少假阴性。
- 安全检查点：用于确保模型不会错过潜在威胁，维护公共安全。

3. 准确率（Accuracy）

准确率是指模型正确预测的样本占总样本数的比例。计算公式为：

$Accuracy=\frac{TP+TN}{TP+FP+TN+FN}=\frac{10}{12}$

定义：准确率是指所有正确分类的样本数占总样本数的比例。
应用场景：
- 二进制分类问题：用于衡量模型整体性能，特别是当正例和负例样本数量相差较大时。
- 文本分类：用于测量模型正确分类文本的能力。

4. F1-score

F1-score综合考虑了精确率和召回率，是一个平衡两者的指标。计算公式为：

$\text{F1 Score} = \frac{2 \times \text{Precision} \times \text{Recall}}{\text{Precision} + \text{Recall}}$

定义：F1分数是精确率和召回率的调和平均，用于综合考虑精确率和召回率的权衡。
应用场景：
- 搜索引擎结果排序：用于衡量搜索结果的质量，平衡相关性和多样性。
- 信息检索：用于评估检索系统的性能，以确保检索到的文档既相关又全面。

5. mAP（均值平均精度）

mAP在目标检测领域中广泛使用，是对模型在多个类别上的性能的平均度量。我们将其它指标拓展到多类别问题。计算公式为：

mAP=Precision*ReCall

如下面图形，MAP值就是Precision和ReCall所围成的矩形面积

定义：mAP是一种用于衡量对象检测模型性能的指标，它计算每个类别的平均精确率，并将它们的平均值作为最终分数。
应用场景：
- 目标检测：用于评估对象检测模型的性能，特别是当存在多个对象类别时。
- 视觉搜索：用于评估图像检索系统的性能，以确保检索到的图像包含相关对象。

总结与通俗解释

通俗来说，准确率回答了“模型总的预测有多准”的问题；召回率回答了“模型对正例的识别能力有多强”的问题；mAP则是用于复杂任务的一个更为全面的评估指标；而F1-score则是尝试将精确率和召回率结合起来，给我们一个更为综合的评估结果。这些指标可以帮助我们更全面地了解模型的性能，从而选择或优化模型。

TP：模型说“这个人有病”，实际上这个人也真的有病。
TN：模型说“这个人没病”，实际上这个人也确实没病。
FP：模型误诊了健康人为病人。
FN：模型漏诊了真正的病人。
精确率：模型说“有病”的人中，真正有病的比例。反映了模型预测的准确性。
准确率：准确率是评估模型预测能力的一个基础指标，它反映的是模型所有预测中有多少是预测正确的。准确率越高，说明模型的整体预测能力越强。
召回率：召回率关注的是模型对正例的识别能力。它衡量的是在所有真正的正例中，模型能正确识别出多少。召回率高，意味着模型对正例的识别能力强，不会漏掉太多真正的正例。
mAP：mAP是一个更为复杂的评估指标，主要用于图像分类、目标检测等任务中。它能够衡量模型在多类别上的性能，给出的是一个更为全面的评估。在实际应用中，如果我们的任务是要模型识别图像中的多个物体，那么mAP就是一个非常适合的评估指标。
F1-score：这是一个综合了精确率和召回率的评估指标。它试图找到一个平衡点，使得精确率和召回率都达到一个相对较高的水平。F1-score高，意味着模型在精确率和召回率上都有不错的表现。