Top-5 误差，也称为 rank-5 误差，只是具有的 Rank-N 误差度量的一个实例。$(N=5)$

Rank error 是当结果按置信度降序排序时，正确标签未出现在模型的前​​个预测结果中的测试样本。$N$$x_i$$y_i$$N$$P(y_i|x_i)$

在ILSVRC 2014中，分类的错误度量为：

$$e = \tfrac{1}{n} \cdot \sum_k \min_{i} d(c_i, C_k)$$

在哪里

$$d(a, b) = \begin{cases} 0 & \text{if } a = b \\ 1 & \text{otherwise} \end{cases}$$

$c_i$是预测标签，$C_k$是真实标签。有$n$可能的标签，$k=1, ..., n$。

（模型的）前 5 个错误率是测试图像中正确标签不在模型认为最可能的五个标签中的部分 [ 1 ]

的条件评估应为： ，如果出现在给定基本事实类 Bk 的前 N ​​个可能分类中。= 1，如果没有。$d(A_i, B_k)$$d(Ai, Bk) = 0$$A_i$

这里 k 取值 0 到 N-1。其中 N 是类的数量。对于每个，有个可能的分类，其中 i 取值 [0, N-1]$B_k$$A_i$