У вас есть два разных класса: True или False. Представьте, что у вас есть Истина как яблоки и Ложь как апельсины.
Напомним - это показатель c, который дает нам представление о общем количестве правильных значений, полученных по отношению к общему количеству / размеру вашего набора данных / базы данных.
Итак, представьте, что у вас есть картинка с 30 яблоками. Кроме того, у вас есть система обнаружения объектов, целью которой является идентификация / обнаружение яблок на изображении.
Теперь ваша система обнаружения объектов использует aws 50 ограничивающих рамок (прямоугольники на рисунке), 30 вокруг все ваши яблоки, а также 20 вокруг апельсинов, которые похожи на эти яблоки.
Напомним , в данном случае, по формуле TP / (TP + FN), то есть истинные положительные / истинные положительные + ложные негативы, это 1,0! Конечно, ваш отзыв равен 1,0 (или 100%, хотя статистически правильные значения для точности и диапазона возврата находятся в диапазоне от 0 до 1), потому что он обнаружил все ваши яблоки!
Следовательно, в вашем примере TP = 30, FN = 0 (без яблока) пропущено с картинки). поэтому 30/(30 + 0) = 1.0
Однако вы не удовлетворены своими результатами, потому что, хотя ваша система обнаружения объектов правильно определила все яблоки на вашем изображении, она также посчитала, что 20 апельсинов - это яблоки.
А вот и точность метри c. Точность дает нам представление об уже извлеченных яблоках (не для всей базы данных, как это делает Recall) и отвечает на вопросы: «Сколько из них, уже идентифицированных как яблоки, являются именно яблоками?»
One можно легко увидеть, что точность наказывает модель машинного обучения за ложные срабатывания, в нашем случае ложными срабатываниями являются апельсины, идентифицированные как яблоки.
В вашем случае у вас будет TP /(TP + FP) === 30 / (30 + 20 <---oranges considered apples))
Поэтому , ваша точность была бы 0,6.
Подводя итог объяснению: вспоминание дает ретроспективное представление относительно общего числа в базе данных
Напомним, отвечает на вопрос: (при условии, что у вас есть 30 яблок) «из этих 30 яблок сколько вы извлекаете / идентифицируете?»).
Точность, с другой стороны, дает нам информацию о уже найденных "яблоках".
Точность отвечает на вопрос: «Из примеров уже найденных и рассмотренных яблок, сколько на самом деле яблок?»
Точность привязана к ложным срабатываниям, а отсылка к ложным отрицаниям.