《表3 二分类混淆矩阵：基于改进型深度网络数据融合的滚动轴承故障识别》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进型深度网络数据融合的滚动轴承故障识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

上述准确率是分类正确的样本个数与样本总数的比值，是对模型分类能力和泛化能力的最基本的判断。考虑到实际应用中，故障态样本比健康样本更难收集，不同故障程度的样本也有较大差异，从而导致各个类型样本数量的严重不均衡，此时若单一考量总体的准确率来评估模型，会得到较高的总体准确率，而在一些数据量少的类型上产生严重误差。为客观地评估模型的性能，引入精确率P（Precision）、召回率Re（Recall）、F1（F-measure）值3个分类模型综合评价指标，针对二分类问题的混淆矩阵（表3）可得到计算公式（10）～（12）。