大家好，又见面了，我是你们的朋友全栈君。
Inst#是样本序号，图中有20个样本。Class是ground truth 标签，p是positive样本（正例）,n当然就是negative（负例） score是我的分类器对于该样本属于正例的可能性的打分。因为一般模型输出的不是0,1的标注，而是小数，相当于置信度。
然后设置一个从高到低的阈值y，大于等于阈值y的被我正式标注为正例，小于阈值y的被我正式标注为负例。
显然，我设置n个阈值，我就能得到n种标注结果，评判我的模型好不好使。
比如阈值0.9，只有第一个样本被我判断为正例，那么我的查准率precision就是100%,但是查全率recall就是10%。
阈值0.1，所有样本都被我判断为正例，查全率是100%，查准率就是50%
最后我能得到若干对precision，recall值(P,R) : (1, 0.1),… ,(0.5,1),将这若干对花在图上，再连接起来就是这个pr曲线了
参考：https://blog.csdn.net/teminusign/article/details/51982877
对，其实最终是mAP
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/149203.html原文链接：https://javaforall.net
