AI测试 深度学习基础 (十三)--演讲稿: 机器学习服务的测试探索---读后感

在testerhome上读了关于AI测试的一篇帖子，看起来是某个培训的演讲稿，讲的非常有逻辑性，叙述形式也特别好，虽然不是搞AI测试的，不过其实很多概念对底层算法的测试也感觉有同理的效果，帖子讲了很多算法评估效果之类的，涉及的知识点很多，一次吸收不了，先记在这里了：https://testerhome.com/topics/11785，这次主要了解的是准确率、精准率和召回率的概念，之前记得搜索测试的时候也经常遇到召回率的概念，主要也是用于检索算法评估的
准确率：是最简单的一种衡量方式，分母是整体数据集（A+B），分子是结果正确的数据集（A+B中的正确数据集的和）
精准率：分母是预测出的属于A集合的数据集C，分子是集合C中真正属于A集合的数据，称作D，精准率为C/D
召回率：分母是真正A集合的数据，分子是A集合中被预测正确的数据成为C，召回率为C/A
往往精准率和召回率目标是互斥的，精准率越高召回率越低（极端A有1000条数据，只预测出了1条，精准率是100%但召回率是1%），精准率越低（有部分不属于集合A的B被预测成A了）召回率越高（极端A+B的都召回了），因此要评估系统的效果要两方面都考虑