统计数据 – 如何将误报和漏报结合到一个单一的度量中

前端之家收集整理的这篇文章主要介绍了统计数据 – 如何将误报和漏报结合到一个单一的度量中前端之家小编觉得挺不错的,现在分享给大家,也给大家做个参考。
我试图测量试图检测视频中对象的计算机视觉程序的性能.我有3个不同版本的程序,它们有不同的参数.
我对每个版本进行了基准测试,得到了3对(误报百分比,假阴性百分比).

现在我想比较各个版本,然后我想知道将误报和漏报结合到单个值中是否有意义并使用它来进行比较.例如,取方程falsePositives / falseNegatives,看看哪个更小.

其他几种可能的解决方案:

– 您的假阳性率(fp)和假阴性率(fn)可能取决于阈值.如果绘制y值为(1-fn)的曲线,x值为(fp),则绘制接收器 – 运算符特征(ROC)曲线. ROC曲线下面积(AUC)是一种流行的质量衡量标准.

如果存在某些感兴趣的区域,则可以对-AUC进行加权

– 报告等错误率.对于某个阈值,fp = fn.报告此值.

原文链接:/javaschema/281448.html

猜你在找的设计模式相关文章