看懂YOLOv7混淆矩阵的含义，正确计算召回率、精确率、误检率、漏检率

本文介绍: 【代码】看懂YOLOv7混淆矩阵的含义，正确计算召回率、精确率、误检率、漏检率。

文章 目录

1、准确率、精确率、召回率、误报率、漏报率概念及公式
2、YOLOv7混淆矩阵分析

1、准确率、精确率、召回率、误报率、漏报率概念及公式

重点参考博文：【机器学习】准确率、精确率、召回率、误报率、漏报率概念及公式
误报率、漏报率、准确率和召回率（虚警率、漏警率）
- 误报率和漏报率的关系：一般来说无法同时降低误报率和漏报率。举个例子来说，某门卫为了防止小偷进入小区，凡是过往人员都要盘查，这时漏报率为0，但是显著提高了误报率；反之如果门卫什么都不做，任由人员出入，那么这是漏报率就会提高，而误报率降低为0。
- 漏检率 + 召回率 = 1，也就是召回率越高，漏检率越低
【积累】机器学习知识，看里面的1.1.2 二分类问题

阳性（正）样例 P 和阴性（负）样例 N：

正样本预测为正样本的为Tr ue positive（TP）
正样本预测为负样本的为Fa ls e n e g a ti v e（FN）
负样本预测为正样本的为Fa ls e positive（FP）
负样本预测为负样本的为Tr ue n e g a ti v e（TN）

所以有：

P = TP + FN \ N = FP + TN

$P = TP + FN N = FP + TN$

1.1 准确率 Ac cu rac y

反映模型对整体样本判断正确的能力，值越大越好
但样本不平衡时，ACC 不能很好地评估模型性能
$A c c = T P + T F T P + F P + T N + F N Acc = frac{TP + TF}{TP + FP + TN + FN}$

1.2 精确率 Prec i s ion

反映模型正确预测正样本精度的能力，值越大越好
也称精度，查准率，阳性预测值(positive predict i v e value, PPV)
即：衡量在所有预测为正样本的数据中，有多少是真正的正样本
$P r e c i s i o n ( P P V ) = T P T P + F P Precision(PPV) = frac{TP}{TP + FP}$

1.3 召回率 Recall

反映模型正确预测正样本全度的能力，值越大越好
也称真阳性率（true positive r a te, TPR），灵敏度，查全率
即：衡量在所有真实的正样本中，有多少被预测为正样本
$R e c a l l ( T P R ) = T P T P + F N = T P P Recall(TPR) = frac{TP}{TP + FN}=frac{TP}{P}$

1.4 F1-Score

是对精确率和召回率的加权求和
$F 1 − S c o r e = 2 × P r e c i s i o n × R e c a l l P r e c i s i o n + R e c a l l F1-Score=frac{2×Precision×Recall}{Precision+Recall}$

1.5 误检率 false rate

反映模型正确预测正样本纯度的能力，值越小越好
又称虚警率、假阳性率（False Positive Rate）
即：在所有真实的负样本中，有多少被预测为正样本
$F P R = F P T N + F P = F P N FPR=frac{FP}{TN + FP}=frac{FP}{N}$

1.6 漏检率 miss rate

反应模型正确预测负样本纯度的能力，值越小越好
又称错检率、漏警率、假阴性率（False Negati ve Rate）
即：在所有真实的正样本中，有多少被预测为负样本
漏检率 + 召回率 = 1
$F N R = F N T P + F N = F N P FNR=frac{FN}{TP+FN}=frac{FN}{P}$

2、YOLOv7混淆 矩阵 分析

应该YOLO其他系列的也可以这样分析
图中格子里面的数字表示比例，其余重要的含义在图中已表示

在这里插入图片描述

例如，通过计算可以得到：对角线的值就表示的召回率，漏检率=1-Recall=0.4

类别

的召回率

(

)

0.60

0.01

0.39

0.6

类别

的漏检率

0.01

0.39

0.60

0.01

0.39

0.4

−

类别D_{00}的召回率=Reca ll(TPR) = frac{TP}{TP + FN}=frac{TP}{P}=frac{0.60}{0.60+0.01+0.39}=0.6\ 类别D_{00}的漏检率= FNR=frac{FN}{TP+FN}=frac{FN}{P}=frac{0.01+0.39}{0.60+0.01+0.39}=0.4=1-Reca ll

$类别 D_{00} 的召回率 = R ec a ll (TPR) = \frac{TP}{TP + FN} = \frac{TP}{P} = \frac{0.60}{0.60 + 0.01 + 0.39} = 0.6 类别 D_{00} 的漏检率 = FNR = \frac{FN}{TP + FN} = \frac{FN}{P} = \frac{0.01 + 0.39}{0.60 + 0.01 + 0.39} = 0.4 = 1 - R ec a ll$