错误率与精度，查准率与查全率（详细解释，通俗易懂）
错误率与精度，查准率与查全率（详细解释，通俗易懂）
在机器学习领域，错误率、精度、查准率和查全率是评估模型性能的重要指标。本文将通过一个简单的西瓜识别案例，用通俗易懂的语言解释这些概念的含义及其相互关系。
1. 错误率
我们在用机器学习做一些事情的时候，它毕竟不能保证百分之百正确嘛，这个是显而易见的，比如说，我有100个西瓜的照片，计算机识别出来了90个，那这个时候的错误率就是10%嘛，所以这个错误率很好理解，数学公式如下：
呀，咋公式这么复杂，别担心，其实很简单，咱们一个一个解释它里面各个字母的含义：
- ：你可以认为是机器学习的一种判断规则，就是你给它一个西瓜的照片，它怎么判断的，相当于数学上的一个函数呗。
- : 哎就是那100个西瓜的照片，一个数据集。
- : 100个西瓜照片的100。
- : 就相当于一个布尔函数，如果计算机识别出来是西瓜那不就和实际值不一样，那就记为1，一样就记为0，这样把所有的1加起来就是计算机识别错误的总个数啦，这里我们算的是识别错误的哦，小伙伴们可别想错嘞。
- ：第 张西瓜照片计算机识别的结果。
- : 第 张西瓜照片（我们这里只是举例方便，真实应该是识别正确就相等，并非两张照片相等）
怎么样不难吧，下面再说说精度。
2. 精度
其实就是正确率，你看公式：
你看，是吧，这个就不用解释了哈，和错误率的公式差不多。
3. 查准率和查全率
这俩个得一起说，我们为什么要有查准率和查全率，不用细想，那肯定是上面那俩不够用了呗，还拿西瓜举例，假如说我现在有60个西瓜照片，40个橘子照片，那计算机识别的西瓜照片有70个，橘子识别有30个，那肯定中间有识别错误的，我画个表，看下表
你看，如果说我们想知道我识别出来是西瓜的里面有多少真的是西瓜，那是不是错误率和精度就不够解释了，那从这张表里面来看就是50除以(50+20)呗，这就是查准率。那我们换一个角度，我们想知道，全部的西瓜中有多少被识别出来是西瓜，那这时候是不是就是50除以(50+10)，这个就是查全率，其实都是字面意思就可以理解啦~
我们来看严谨的数学公式，先把上述的表给抽象一下：
怎么样，经过上述的例子这个表不太难理解叭~
然后我们的查准率 和查全率 的定义如下：
这里的公式也只是把上述例子中的数字给换成字母了哦，不难的~
4. 查准率和查全率的关系
我们这里举的例子只有100个数据量，那我们有100万个呢？这时候想看查准率和查全率一定要全部识别完嘛？可不是哦，先说结论：一般来说，查准率高时，查全率往往就低；查全率高，查准率往往就低。这是为啥？如果我们想尽可能的把西瓜的照片尽可能识别出来，那肯定增加识别照片的数量呗，如果100个照片都选上，那所有的西瓜照片肯定也都在其中，但这样的话查准率就下去了，反之，我想选出西瓜照片的比例尽可能的高，那肯定提高计算计算机的识别规则，“提高识别的把握”，那肯定会有一些照片识别错误(这个也好理解，比如说你现在只做有把握的事儿，那其实有些事你也能做成，但你给漏掉了，就是这个意思)，那查全率就低了，我们来看一幅图
这个就是不同的机器学习“规则”下，查全率和查准率的一个关系，在一定的值下，查全率和查准率会出现相等的情况，这就是所谓的平衡点，至于你想要查全率高一点呢还是查准率高一点呢，这个看你实际情况的需要了，当然，这个取舍问题我们机器学习里面是有一定的方法的，这个我们其他文章再分享~
ok，这篇文章就分享到这里啦，欢迎小伙伴们批评指正~(知识图片都来自西瓜书)