黄龙病柑橘分类：精确率与召回率分析

​
某一果园的黄龙病与健康柑橘分类情况下混淆矩阵计算
如果存在一个模型对某一果园的黄龙病与健康柑橘分类如下图所示，请计算对黄龙病果树的精确值、召回率以及F1值的计算。

​

“黄龙病与健康柑橘分类”，（TP=8, FP=4, FN=10, TN=85），可以反推出经典的混淆矩阵模型。

以下是具体的计算过程与结果（假设黄龙病为正类（Positive））：

1. 混淆矩阵

• TP（True Positive）：正确识别出的黄龙病果树 = 8 株
• FP（False Positive）：健康树被误判为黄龙病 = 4 株
• FN（False Negative）：黄龙病树被漏判（误判为健康） = 10 株
• TN（True Negative）：正确排除的健康果树 = 85 株

2. 黄龙病果树的指标计算

• 精确率：预测为黄龙病的树中，实际确实得病的比例。

  ( P = \frac{TP}{TP + FP} = \frac{8}{8 + 4} = \frac{8}{12} \approx \mathbf{0.6667} ,（66.67%） )

• 召回率：所有实际得病的黄龙病树中，被模型成功找出的比例。

  ( R = \frac{TP}{TP + FN} = \frac{8}{8 + 10} = \frac{8}{18} \approx \mathbf{0.4444} ,（44.44%） )

• F1值：精确率与召回率的调和平均数。

  ( F1 = 2 \times \frac{P \times R}{P + R} = 2 \times \frac{0.6667 \times 0.4444}{0.6667 + 0.4444} = \frac{0.5926}{1.1111} \approx \mathbf{0.5333} ,（53.33%） )

总结公式速查

• 精确率公式：( P = \frac{TP}{TP + FP} )
• 召回率公式：( R = \frac{TP}{TP + FN} )
• F1-Score 公式：( F1 = \frac{2 \times P \times R}{P + R} )

如果需要将上述内容保存为 txt 文本，可以直接复制下方内容：

txt 黄龙病与健康柑橘分类混淆矩阵计算 假设黄龙病为正类（Positive），健康为负类（Negative）。 混淆矩阵数值： - TP（正确识别黄龙病）：8 - FP（健康误判为黄龙病）：4 - FN（黄龙病漏判为健康）：10 - TN（正确识别健康）：85 黄龙病果树指标： 精确率 P = 8 / (8 + 4) ≈ 0.6667 召回率 R = 8 / (8 + 10) ≈ 0.4444 F1值 = 2 × P × R / (P + R) ≈ 0.5333