机器学习之参数-P、R、AP、mAP、F1_模型的训练参数有哪些

• P（准确率）：预测样本中实际正样本数占所有正样本数的比例。
• R（召唤率）：预测样本中实际正样本数占所有预测样本的比例。
• AP（平均精确度）
• mAP（均值平均精度）：所有类别的平均精度求和除以所有类别。
• P-R曲线：准确率和召回率之间关系曲线。
• score-threshold：是一个预设的值，用于在神经网络的训练和预测过程中，对神经元的激活或输出进行筛选。（和准确率成正比。）
• F1：根据F1值的定义，它是准确率和召回率的调和均值，因此这个值较高说明模型在准确率和召回率方面都表现不错。

PS:要提高目标检测置信度和mAP，需要调小score_threshold，调小batch_size，是这样吗？？

• 1.调小score_threshold（置信度阈值）可以提升mAP，调小batch_size并不直接提高模型的置信度和mAP
• 2.将batch_size调小的同时增大学习率（learning_rate）是一种常用的策略，旨在保持训练速度的同时提高模型的训练质量。这是因为较小的batch_size可能使得每次迭代中的噪声增加，从而有助于模型跳出局部最小值；而增大的学习率则有助于模型更快地更新权重。