文章目录
前言
入门机器学习分类问题，总有些内容是绕不过的，为了辨别模型好坏，必须要了解模型评估的各项指标。
为了能够加深记忆，本人在基于他人文章的基础下写了本篇博客，同时也方便自身查阅。
看懂机器学习指标：准确率、精准率、召回率、F1、ROC曲线、AUC曲线
什么是ROC曲线？为什么要使用ROC?以及 AUC的计算
一、混淆矩阵（confusion matrix）
二分类的在此不作介绍，此图为我最近训练的比较差的四分类模型（yolo5s-v6）所生成的混淆矩阵：
具体解释如下：
X横坐标为正确的分类（即你用标签所标注的真实分类）
Y纵坐标为模型所预测的分类（即图片经过模型推理后模型将其辨别为的分类）
举例，如S07_A_1：
该项分类的训练结果很差，有50%被认为是S07_A_2，另外50%则是S07_A_normal，也就是模型完全无法分辨出S07_A_1这项分类。
举例，如S07_A_3：
该项没有训练到任何分类数据，所以指标上一片空白。
还有 background FP和 background FN会比较难解释些：
这里先普及一下多分类下的TN、TP、FN、FP的概念：
True positives (TP): 缺陷的图片被正确识别成了缺陷。（本缺陷的正确分类预测）
True negatives(TN): 背景的图片被正确识别为背景。（非本缺陷被预测为其他分类缺陷或背景）
False positives(FP): 背景的图片被错误识别为缺陷。（非本缺陷被预测为本缺陷）
False negatives(FN): 缺陷的图片被错误识别为背景。（本缺陷被预测为其他缺陷或者背景）
举例，如background FP（背景的图片被错误识别为缺陷）：
100%在S07_A_normal的横坐标上，即100%的背景都被认为是S07_A_normal缺陷。
如background FN（缺陷的图片被错误识别为背景）：
一片空白，即没有任何的缺陷被误判为背景。
这里我引进之前做的一个单分类模型：
这是一个只判断是否为鱼的模型，即打标签时只有一个分类：
可以看出，有22%的鱼被模型认为是背景（background FN），不过模型并没有将任何背景认为是鱼（background FP）。
清楚了TP、TN、FP、FN的各项概念，就可以去计算各项分类的其余指标了。
二、准确率，精准率，召回率，F1分数
这里当然也是不对二分类做论述，同样举例刚刚的四分类模型：
同时拟定了他们的分类个数：
实际上background FP的数量很少，大多数是没有标记的S07_A_normal，一般寥寥几个，假设为5个。
1. 准确率（Accuracy）
Accuracy=TP+TNTP+FP+TN+FNAccuracy = \frac{TP+TN}{TP+FP+TN+FN}Accuracy=TP+FP+TN+FNTP+TN
即
本缺陷的正确分类预测
加上
非本缺陷被预测为其他分类缺陷或背景
除以总预测数量。
在正负样本数量接近的情况下，准确率越高，模型的性能越好，例如S07_A_normal：
Accuracy=TP+TNTP+FP+TN+FN=800+(200+2)800+(5+100+2)+(200+2)+0=90.35%Accuracy = \frac{TP+TN}{TP+FP+TN+FN} = \frac{800+(200+2)}{800+(5+100+2)+(200+2)+0} = 90.35\%Accuracy=TP+FP+TN+FNTP+TN=800+(5+100+2)+(200+2)+0800+(200+2)=90.35%
不过由于准确率的局域性，在TP和TN相差太大的情况下，例如S07_A_1：
Accuracy=TP+TNTP+FP+TN+FN=0+(200+100+5+800)0+0+(200+100+5+800)+(2+2)=99.64%Accuracy = \frac{TP+TN}{TP+FP+TN+FN} = \frac{0+(200+100+5+800)}{0+0+(200+100+5+800)+(2+2)} = 99.64\%Accuracy=TP+FP+TN+FNTP+TN=0+0+(200+100+5+800)+(2+2)0+(200+100+5+800)=99.64%
可见，S07_A_1的识别率这么差，但是计算的Accuracy还这么高，因此，不能仅仅从单项准确率来判断模型的好坏。
总体准确率：
Accuracy=正方形k=−1的对角线值所有样本数=0+200+0+800+0)2+200+2+100+800+5=90.17%Accuracy = \frac{正方形k=-1的对角线值}{所有样本数} = \frac{0+200+0+800+0)}{2+200+2+100+800+5} = 90.17\%Accuracy=所有样本数正方形k=−1的对角线值=2+200+2+100+800+50+200+0+800+0)=90.17%
若是以Accuracy来说模型质量很好，不过这都归功于庞大的S07_A_normal数据及其高正确率，其他分类识别率很差。
2. 精确率（Precision）
精准率（Precision）又叫查准率，它是针对
预测结果
而言的，它的含义是`在所有被预测为正的样本中实际为正的样本的概率``，意思就是在预测为正样本的结果中，我们有多少把握可以预测正确，其公式如下：
Precision=TPTP+FPPrecision = \frac{TP}{TP+FP}Precision=TP+FPTP
也就是只看分类所在行，对于S07_A_normal来说：
Precision=TPTP+FP=800800+(2+100+5)=88.20%Precision = \frac{TP}{TP+FP} = \frac{800}{800+ (2+100+5)} = 88.20\%Precision=TP+FPTP=800+(2+100+5)800=88.20%
结果来说，略低于准确率的90.35%
对于S07_A_01来说：
Precision=TPTP+FP=00+0=？%Precision = \frac{TP}{TP+FP} = \frac{0}{0+0} = ？\%Precision=TP+FPTP=0+00=？%
没有结果预测成为S07_A_01，已经可以看出来是一个失败的分类。
3. 召回率（Recall）
召回率（Recall）又叫
查全率
，它是针对
原样本
而言的，它的含义是
在实际为正的样本中被预测为正样本的概率
，其公式如下：
Recall=TPTP+FNRecall = \frac{TP}{TP+FN}Recall=TP+FNTP
也就是只看分类所在列，对于S07_A_normal来说：
Recall=TPTP+FN=800800+0=100.00%Recall = \frac{TP}{TP+FN} = \frac{800}{800+ 0} = 100.00\%Recall=TP+FNTP=800+0800=100.00%
所有的S07_A_normal都被识别出来，很成功。
对于S07_A_normal来说：
Recall=TPTP+FN=00+(2+2)=0.00%Recall = \frac{TP}{TP+FN} = \frac{0}{0+ (2+2)} = 0.00\%Recall=TP+FNTP=0+(2+2)0=0.00%
所有的S07_A_01都没被识别出来，很失败。
对比高达99.64%的准确率，召回率更能反映S07_A_01的实际性能。
4. F1分数
1. 概念
通过上面的公式，我们发现：精准率和召回率的分子是相同，都是TP，但分母是不同的，一个是（TP+FP），一个是（TP+FN）。两者的关系可以用一个P-R图来展示：
F1=2×Precision×RecallPrecision+RecallF1 = \frac{2 \times Precision \times Recall}{Precision + Recall}F1=Precision+Recall2×Precision×Recall
对于图中，
交点乘积最大值——面积最大值
即为该分类的F1值。
不过对于连续光滑的曲线，F1最大值点为 Precision=Recall 的直线与PR曲线的交点。
那么应该都很好奇，不是前面计算S07_A_1的Recall和Precision都是0%吗？为什么该处就有值了？
那先要引入一个概念：置信度（Confidence）
2. 置信度（Confidence）
在获取最优F1前，先理解置信度的设定。
置信度（Confidence）可以理解为阈值，如我之前设定50%以上就判断为真，现在设定10%以上就为真，那么：
TP、FP个数就加多
（模型会把更多该分类或不是该分类的标签认定为该分类）。
继而
TN、FN个数会减少
，因此Prediction和Recall都会因为置信度的改变而变化。
相反，如果我现在设定90%以上才为真，那么：
TP、FP个数就减少
（模型会把更多该分类或不是该分类的标签认定为其他该分类）
继而
TN、FN个数会增多
。
一般来说，
置信度设定越大，Prediction约接近1，Recall越接近0。
因此，要寻找
最优的F1分数，需要遍历置信度。
3. F1曲线图判断
F1分数置于[0,1]间，越接近1是越好的，没有例外。
由上可以看出，在置信度为6.3%的情况下，模型整体的最高F1分数为0.63，并不是一个好的模型。
三、mAP、ROC、AUC
1. 总体平均精确度：mAP（mean Average Precision）
将recall设置为横坐标，precision设置为纵坐标。PR曲线下围成的面积即AP，所有类别AP平均值即mAP
mAP值越接近1说明模型越优秀。
肯定多少有些疑惑，mAP@0.5后面的0.5代表什么含义。
这里就要再引入一个概念，重叠度：Intersection over Union（IoU）
重叠度：Intersection over Union（IoU）
IoU的全称为交并比（Intersection over Union），是目标检测中使用的一个概念，IoU计算的是“预测的边框”和“真实的边框”的交叠率，即它们的交集和并集的比值。最理想情况是完全重叠，即比值为1。
以下举个例子来简要说明：
因此IoU=0.5就是预测框和标注框的交集与非交集占比相同，都为50%。
显而易见的是，IoU受confidence置信度影响，因此，对于IoU和confidence的调参也是一个需要注意的事情。
2. ROC（Receiver Operating Characteristic）
ROC（Receiver Operating Characteristic）曲线，又称接受者操作特征曲线。该曲线最早应用于雷达信号检测领域，用于区分信号与噪声。后来人们将其用于评价模型的预测能力，ROC 曲线是基于混淆矩阵得出的。
类似于PR曲线一般，ROC是以FPR为横坐标，TPR为纵坐标所构建的曲线，因此在了解ROC前，首先先理解TPR和FPR。
设定以下模型：
TPR真正率（Sensitivity、True Positive Rate）
TPR=TPTP+FNTPR = \frac{TP}{TP + FN}TPR=TP+FNTP
意为：
所有被预测为该分类的缺陷
中
真正属于该分类的缺陷
的比例。
举例：
FPR假正率（False Positive Rate）
FPR=FPFP+TNFPR = \frac{FP}{FP + TN}FPR=FP+TNFP
意为：
所有其他分类的缺陷
中
被认为是该分类的缺陷
的比例。
举例：
可以看出，真正率仅仅是对标注为鸟（
该分类——正样本
）的判断，假正率仅仅是对标注不为鸟（
非该分类的所有分类——负样本
）的判断。
也就是说，无论正样本和负样本的数量差距有多少，这两种比率仅会在其对应的正样本或者负样本中计算，没有交叉，因此可以
无视正负样本比例
，并不会像Accuary准确率那样受正负样本比例影响非常大。
（具体可以参考一下S07_A_1的准确率)
通过定义的解释，不难看出，想要模型更加优秀，假正率FPR越低越好，真正率TPR越高越好。
也就是：
TP↑、TN↑、FP↓、FN↓
因此，ROC曲线同PR曲线，一样受到置信度的影响，所以他也和PR曲线一样遍历置信度绘制：
可以看出，对于ROC曲线，左上角最大值点越接近 [0，1] 越好，可以说曲线与 TPR = 0 和 FPR = 1的直线相交面积越大越好，这个面积称为AUC。
3. AUC（Area Under roc Curve）
先看我前言提到的这篇文章——什么是ROC曲线？为什么要使用ROC?以及 AUC的计算
这文章已经非常详细地介绍了ROC和AUC。
AUC = 1，是完美分类器，采用这个预测模型时，存在至少一个阈值能得出完美预测。绝大多数预测的场合，不存在完美分类器。
0.5 < AUC < 1，优于随机猜测。这个分类器（模型）妥善设定阈值的话，能有预测价值。
AUC = 0.5，跟随机猜测一样（例：丢铜板），模型没有预测价值。
AUC < 0.5，比随机猜测还差；但只要总是反预测而行，就优于随机猜测。
简单来说，AUC 的一般判断标准：
0.5 – 0.7： 效果较低，但用于预测股票已经很不错了
0.7 – 0.85： 效果一般
0.85 – 0.95： 效果很好
0.95 – 1： 效果非常好，但一般不太可能
（扩展：Yolov5 训练所生成的所有文件）
最后再给一个链接解释所有yolov5所生成的训练文件：
yolov5 训练结果解析
版权归原作者 Emins 所有， 如有侵权，请联系我们删除。