物件特征分类的评价指标有哪些?

评价指标可以分为两类：

• 定量指标
• 定性指标

定量指标

• 准确率 (Accuracy)：正确分类的样本数量占总样本数量的比例。
• 召回率 (Recall)：所有正例样本中被正确分类的样本数量占所有正例样本数量的比例。
• ** precision (Precision)**：正例样本中被正确分类的样本数量占所有正例样本数量的比例。
• F1 分数 (F1)：召回率和精度之和的调和值。
• 混淆矩阵：显示了不同类别的样本的真实类别和预测类别之间的分布。

定性指标

• 困惑度 (F-score)：召回率和准确率的调和值。
• NDCG (Normalized Discounted Cumulative Gain)：根据相似性排序的样本，计算每个样本的相似度。
• ROC 曲线 (Receiver Operating Characteristic Curve)：显示了不同召回率下的准确率。
• AUC (Area Under the Curve)：ROC 曲线的面积，表示正例样本被正确分类的概率。

选择合适的评价指标取决于具体的应用场景。