評價指標MAP(macro average precision)與mAP(mean average precision)的區別

      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。