Debby's blog

今日學習內容:

1.precision v.s recall
precision(也叫做positive predictive value) = 搜尋到而且有相關的結果 / 搜尋到的所有結果
recall(也叫做sensitivity) = 搜尋到而且有相關的結果 / 所有有相關的結果(照理說應該都要被搜尋到的結果)

範例:
(1)假設一個場景裡共有九9隻狗，有一個偵測程式偵測到了7隻狗，然而實際上那7隻狗裡面只有4隻真的是狗，另外3隻其實是貓，則 precision = 4/7，而 recall = 4/9
(1)一個搜尋引擎找到了30個頁面，但其中只有20個頁面是真的跟搜尋內容有相關的，而且實際上還有40個相關的頁面沒搜尋到，則 precision = 20/30 = 2/3，而 recall = 20/60 = 1/3

參考資料: 維基百科
這個網站也講得很好：連結


2. F score(F1-score or F-measure)
用來測試測驗的準確度，F score為1的時候最準確，0的時候最不準確
傳統F-measure(or balanced F-score)





參考資料: 維基百科

3. 簡易SVM介紹(含簡易數學推導)