神经网络与深度学习-学习笔记(3)——深度学习视觉应用_mnist数据集正例反例

作者：运维做开发 | 2024-07-06 08:32:15

踩

mnist数据集正例反例

算法评估

TP: 被正确地划分为正例的个数，即实际为正例且被分类器划分为正例的实例数

FP: 被错误地划分为正例的个数，即实际为负例但被分类器划分为正例的实例数

FN:被错误地划分为负例的个数，即实际为正例但被分类器划分为负例的实例数

TN: 被正确地划分为负例的个数，即实际为负例且被分类器划分为负例的实例数

混淆矩阵：

P-R的关系曲线图，表示了召回率和准确率之间的关系

精度(准确率)越高,召回率越低

mAP ：均值平均准确率

其中

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/运维做开发/article/detail/792349