Precision과 Recall

분류기 (Classifier) 의 성능을 평가하는 Metric에는 Precision과 Recall이 있습니다.

• Precision
  • Precision = TP/(TP+FP) or TP/(분류기가 P 로 예측한 것)
  • Precision 은 분류기가 P로 예측한 sample 중에서 맞게 예측한 것의 비율 을 의미한다. == 인식기 (object-detector) 가 검출한 정보들 중에서 Ground-Truth 와 일치하는 비율을 의미한다.
  • 검출된 정보(TP+FP) 중에서 적절한 것들(TP) 의 비율을 Precision 이라고 한다.
  • 영어 위키 : Precision is the probability that a retrieved(검출된) one is relevant(적절한)
• Recall
  • Recall = TP/(TP+FN) or TP/(Ground Truth P 의 숫자)
  • 전체 정보(TP+FN)중에서 검출된 것(TP)의 비율을 Recall 이라고 한다.
  • 즉, Recall 은 Ground Truth 의 총 positive sample 중에서 positive로 맞게 예측한 것의 비율 을 의미한다.
  • 영어 위키 : Recall is the probability of the complete retrival(검출된).
  • 동일어 : TPR(True Positive Rate), Sensitivity
• FPR(False Positive Rate) = 1-Specificity(TNR : True Negative Rate)

 

 

* 설명 잘 되어 있는 블로그 : incredible.ai/statistics/2018/06/30/Performance-Test/#specificity

* 참고 : https://en.wikipedia.org/wiki/Confusion_matrix

 

 

---