1.机器学习分类指标汇总
常用指标
首先需要建立一个表，对于一个分类任务，我们预测情况大致如下面混淆矩阵所示：
| 预测为正样本 | 预测为负样本 | |
| 标签为正样本 | TP | FN |
| 标签为负样本 | FP | TN |
1.accuracy
accuracy指的是正确预测的样本数占总预测样本数的比值，它不考虑预测的样本是正例还是负例,考虑的是全部样本。
2.precision(查准率)
precision指的是正确预测的正样本数占所有预测为正样本的数量的比值，也就是说所有预测为正样本的样本中有多少是真正的正样本。从这我们可以看出，precision只关注预测为正样本的部分，
3.recall(召回率)
它指的是正确预测的正样本数占真实正样本总数的比值，也就是我能从这些样本中能够正确找出多少个正样本。
4.F-score
F-score相当于precision和recall的调和平均，用意是要参考两个指标。从公式我们可以看出，recall和precision任何一个数值减小，F-score都会减小，反之，亦然
5.specificity
specificity指标平时见得不多，它是相对于sensitivity（recall）而言的，指的是正确预测的负样本数占真实负样本总数的比值，也就是我能从这些样本中能够正确找出多少个负样本。
6.sensitivity(TPR)
7.P-R曲线
我们将纵轴设置为precison，横轴设置成recall，改变阈值就能获得一系列的pair并绘制出曲线。对于不同的模型在相同数据集上的预测效果，我们可以画出一系列的PR曲线。一般来说如果一个曲线完全“包围”另一个曲线，我们可以认为该模型的分类效果要好于对比模型。
样本不均衡下指标
背景
在大多数情况下不同类别的分类代价并不相等，即将样本分类为正例或反例的代价是不能相提并论的。例如在垃圾邮件过滤中，我们希望重要的邮件永远不要被误判为垃圾邮件，还有在癌症检测中，宁愿误判也不漏判。在这种情况下，仅仅使用分类错误率来度量是不充分的，这样的度量错误掩盖了样本如何被错分的事实。所以，在分类中，当某个类别的重要性高于其他类别时，可以使用Precison和Recall多个比分类错误率更好的新指标。
8.ROC
在实际的数据集中经常会出现类别不平衡现象，即负样本比正样本多很多（或者相反），而且测试数据中的正负样本的分布也可能随着时间而变化。而在这种情况下，ROC曲线能够保持不变。同时，我们可以断言，ROC曲线越接近左上角，该分类器的性能越好，意味着分类器在假阳率很低的同时获得了很高的真阳率。
以下是一个ROC曲线的实例：
现在我们指定一个阈值为0.9，那么只有第一个样本（0.9）会被归类为正例，而其他所有样本都会被归为负例，因此，对于0.9这个阈值，我们可以计算出FPR为0，TPR为0.1（因为总共10个正样本，预测正确的个数为1），那么我们就知道曲线上必有一个点为(0, 0.1)。依次选择不同的阈值（或称为“截断点”），画出全部的关键点以后，再连接关键点即可最终得到ROC曲线如下图所示。
其实还有一种更直观的绘制ROC曲线的方法，就是把横轴的刻度间隔设为，纵轴的刻度间隔设为，N,P分别为负样本与正样本数量。然后再根据模型的输出结果降序排列，依次遍历样本，从0开始绘制ROC曲线，每遇到一个正样本就沿纵轴方向绘制一个刻度间隔的曲线，每遇到一个负样本就沿横轴方向绘制一个刻度间隔的曲线，遍历完所有样本点以后，曲线也就绘制完成了。
使用sklearn进行roc曲线绘制
>>> from sklearnimport metrics >>> import numpy as np >>> y = np.array([1, 1, 2, 2]) #假设4个样本 >>> scores = np.array([0.1, 0.4, 0.35, 0.8]) >>> fpr, tpr, thresholds = metrics.roc_curve(y, scores, pos_label=2) >>> fpr #假阳性 array([ 0. , 0.5, 0.5, 1. ]) >>> tpr #真阳性 array([ 0.5, 0.5, 1. , 1. ]) >>> thresholds #阈值 array([ 0.8 , 0.4 , 0.35, 0.1 ]) >>> #auc(后面会说) >>> auc = auc = metrics.auc(fpr, tpr) >>> auc 0.75
绘制曲线：
import matplotlib.pyplot as plt plt.figure() lw = 2 plt.plot(fpr, tpr, color='darkorange', lw=lw, label='ROC curve (area = %0.2f)' % auc) plt.plot([0, 1], [0, 1], color='navy', lw=lw, linestyle='--') plt.xlim([0.0, 1.0]) plt.ylim([0.0, 1.05]) plt.xlabel('False Positive Rate') plt.ylabel('True Positive Rate') plt.title('Receiver operating characteristic example') plt.legend(loc="lower right") plt.show()
所画图象如图所示：
9.AUC
auc指的是计算roc的面积。AUC值是一个概率值，当你随机挑选一个正样本以及负样本，当前的分类算法根据计算得到的Score值将这个正样本排在负样本前面的概率就是AUC值，AUC值越大，当前分类算法越有可能将正样本排在负样本前面，从而能够更好地分类。
def AUC(label, pre): """ 适用于ｐｙｔｈｏｎ3.0以上版本 """ #计算正样本和负样本的索引，以便索引出之后的概率值 pos = [i for i in range(len(label)) if label[i] == 1] neg = [i for i in range(len(label)) if label[i] == 0] auc = 0 for i in pos: for j in neg: if pre[i] > pre[j]: auc += 1 elif pre[i] == pre[j]: auc += 0.5 return auc / (len(pos)*len(neg)) if __name__ == '__main__': label = [1,0,0,0,1,0,1,0] pre = [0.9, 0.8, 0.3, 0.1, 0.4, 0.9, 0.66, 0.7] print(AUC(label, pre))
import numpy as np def auc_calculate(labels,preds,n_bins=100): postive_len = sum(labels) negative_len = len(labels) - postive_len total_case = postive_len * negative_len pos_histogram = [0 for _ in range(n_bins)] neg_histogram = [0 for _ in range(n_bins)] bin_width = 1.0 / n_bins for i in range(len(labels)): nth_bin = int(preds[i]/bin_width) if labels[i]==1: pos_histogram[nth_bin] += 1 else: neg_histogram[nth_bin] += 1 accumulated_neg = 0 satisfied_pair = 0 for i in range(n_bins): satisfied_pair += (pos_histogram[i]*accumulated_neg + pos_histogram[i]*neg_histogram[i]*0.5) accumulated_neg += neg_histogram[i] return satisfied_pair / float(total_case) y = np.array([1,0,0,0,1,0,1,0,]) pred = np.array([0.9, 0.8, 0.3, 0.1,0.4,0.9,0.66,0.7]) print("----auc is :",auc_calculate(y,pred))
2.图像分割指标汇总
1.pixel accuracy(标记正确/总像素数目)
2.MPA(Mean Pixel Accuracy)
其计算公式如下：
计算每类各自分类的准确率，再取均值!
3.Mlou(Mean Intersection over Union)
计算两个集合的交集与并集之比，在语义分割中，这两个集合为真实值和预测值。
3.目标检测指标汇总
主要是用到以下的指标：
mAP：meanAveragePrecision，即各类别AP平均值
AP：PR曲线下面积
PR曲线：Precision-Recall曲线
Precision：TP/(TP+FP）
Recall：TP/(TP+FN)
TP：IoU>0.5的检验框数量(同一GroundTruth只计算一次)
FP：IoU<=0.5的检验框，或者是检测到同一个GT的多余检测框的数量
FN：没有检测到的GT的数量
IOU：计算两个集合的交集与并集之比
NMS：非极大值抑制
4.模型效率衡量
FLOPs(floating point operations)
