很久很久以前，我還是有個建築夢的大二少年，有一天，講圖的老師看了眼我的設計圖，說：“我覺得你這個設計做得很緊張”，當時我就崩潰，對緊張不緊張這樣的評價標準理解無能。多年後我終於明白老師當年的意思，然鵝已經跳坑計算機系了。現在我依然對建築系那玄幻的評價標準敬而遠之，看我們大CS的評價標準，就是這麽明明白白，n^2的算法復雜度就是不如lgn的！媽媽再也不用擔心我緊張～～～

截張圖吧：

Accuracy 是模型結果中不管正例負例只要預測對了就算的比例；

Precision 是指在所有模型預測為正例的數據項中真正為正例的比例；

Recall 是指模型預測出的正例占全部真正正例的比例；

F1-score 準確率和找匯率的一個綜合加權，因為算法的側重點不同，召回率高的模型可能在準確率上會表現稍差，準確率比較高的模型由於其標準高，召回率不盡如人意也是有的，F1-score綜合考慮了這兩個參數的影響

F1-score中的1表示召回率的權重，F0.5表示準確率的權重跟高，F2表示召回率的權重更高:

－－截圖from: 《learning scikit-learn machine learning in python》

[機器學習]模型評價參數，準確率，召回率，F1-score