Precision and Recall是評估測量 (Evaluation Measurement)的方法之一,特別是在資訊檢索和資料探勘這兩個領域,我們想知道下query後系統的效能如何,系統回傳的結果是不是使用者想要的。

Precision and Recall的概念可以用圖來解釋,所以我直接取上多媒體系統設計課的投影片來琢磨。
直接舉影像檢索來當例子,使用者想要在所有的影像 (藍色框)中透過系統取得想要的影像 (紅色部份),系統最後回傳的影像 (綠色部份)會讓使用者看到。
- Recall的定義:想要且回傳的影像除以想要的影像
- Precision的定義:想要且回傳的影像除以回傳的影像
這裡舉一個例子,想要的影像有10張,傳回的影像有15張。藍色霸表示當下Precision和Recall的百分比,常理來說Precision會逐漸遞減,而Recall會逐漸遞增。
此圖為上圖例子的圖表,完美的系統會讓紅線水平於Precision是1的狀態,表示所有傳回的影像都是想要的影像,但應用上不可能有這樣子的結果。
接下來我們會計算Average Precision,來表示此單一Query的效果如何。很簡單地以Recall為標準將各階段的Precision(直到回傳的影像)做平均。
再來我們會引進mean Average Precision,也就是將想要評估的所有Query所得到的AP做平均。例子可參考我的專案:
- 圖形辨識期末專案—車輛顏色分類 (Final Project – Car Color Classification)
- 多媒體系統設計期末專案—影像檢索 (Final Project – Image Retrieval)
參考:WiKi – Precision and recall、Precision and Recall – Information Retrieval。




Comments on: "Precision and Recall" (3)
[…] 但可能我資質駑鈍我真的很多都看不懂, 在看了此篇之後 終於了解了一些, […]
讚讚
非常非常感谢!这些概念我终于明白了!
讚讚
很高興對你有幫助 ^_^
讚讚