实体
confusion matrix
confusion matrix
PulseAugur coverage of confusion matrix — every cluster mentioning confusion matrix across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
机器学习指标教程阐明了流行度和阈值的影响
一篇新发表在arXiv上的教程论文,由Hugging Face重点介绍,为机器学习性能指标提供了全面的指南。它详细介绍了诸如类别流行度、决策阈值和聚合规则等因素如何导致相同的预测得出不同的结论。该论文整理了22个混淆矩阵指标,并提出了涵盖各种分类和回归任务的15个场景,通过固定的输入和发布的文件展示了这些变量的影响。
-
机器学习评估指标详解:准确率、IoU、mAP等
评估指标对于评估机器学习模型的性能至关重要,尤其是在目标检测任务中。关键指标包括准确率(在不平衡数据集上可能产生误导)和混淆矩阵(提供真阳性、真阴性、假阳性和假阴性的详细分类)。精确率、召回率和F1分数从混淆矩阵中衍生出进一步的见解,平衡了分类准确率的不同方面。对于目标检测,交并比(IoU)衡量预测框与真实框的重叠程度,而平均精度(AP)和平均精度均值(mAP)则总结了不同召回率水平和对象类别的性能。