本篇主要介紹在機器學習中,兩個常用的評價指標MAP與mAP的區別,前者MAP是macro average precision, 翻譯爲宏平均準確率,常用於分類問題中;而後者mAP是mean average precision, 翻譯爲平均精度均值,常用於目標檢測和信息檢測領域。兩者有一個明顯的區別是,mAP需要對結果進行置信度的排序,而MAP只需要給出類別標籤即可。
下面是MAP與mAP的具體解釋。
1)MAP(macro average precision)
MAP是衡量分類器性能的指標之一,體現了分類器對各個類別的分類效果,其計算公式如下:
其中,爲真實情況下是第種類別的樣例中,識別正確的個數;爲真實情況下不是第種類別的樣例中,識別爲第i類別的個數;S爲類別個數。
2)mAP(mean average precision)
定義:對於每一個類,按照分類器輸出的每個樣本的置信度由高到低排列,則平均精度爲:
其中,R爲測試集中(真實情況下)所有正樣本的個數,M爲測試集總樣本個數,表示第個樣本是正樣本,否則。表示前個樣本中正樣本的個數。
對於所有類的平均精確值爲mAP:
其中,N爲類別個數,爲第c類的平均精度。
本人才疏學淺,若有錯誤的地方,敬請指正。