召回率Recall、精確度Precision、準確率Accuracy、F值
阿新 • • 發佈：2019-02-09
假設原始樣本中有兩類，其中：
1：總共有 P個類別為1的樣本，假設類別1為正例。
2：總共有N個類別為0 的樣本，假設類別0為負例。
經過分類後：
3：有 TP個類別為1 的樣本被系統正確判定為類別1，FN 個類別為1 的樣本被系統誤判定為類別 0，顯然有P=TP+FN；
4：有 FP 個類別為0 的樣本被系統誤判斷定為類別1，TN 個類別為0 的樣本被系統正確判為類別 0，顯然有N=FP+TN；
P = TP/(TP+FP) ; 反映了被分類器判定的正例中真正的正例樣本的比重。
準確率（Accuracy）
A = (TP + TN)/(P+N) = (TP + TN)/(TP + FN + FP + TN);
召回率(Recall)，也稱為 True Positive Rate:
R = TP/(TP+FN) = 1 - FN/T; 反映了被正確判定的正例佔總的正例的比重 。
F-measure or balanced F-score
F = 2 * 召回率 * 準確率/ (召回率+準確率)；這就是傳統上通常說的F1 measure。
1：總共有 P個類別為1的樣本，假設類別1為正例。
2：總共有N個類別為0 的樣本，假設類別0為負例。
經過分類後：
3：有 TP個類別為1 的樣本被系統正確判定為類別1，FN 個類別為1 的樣本被系統誤判定為類別 0，顯然有P=TP+FN；
4：有 FP 個類別為0 的樣本被系統誤判斷定為類別1，TN 個類別為0 的樣本被系統正確判為類別 0，顯然有N=FP+TN；
那麼：
精確度（Precision）：P = TP/(TP+FP) ; 反映了被分類器判定的正例中真正的正例樣本的比重。
準確率（Accuracy）
A = (TP + TN)/(P+N) = (TP + TN)/(TP + FN + FP + TN);
召回率(Recall)，也稱為 True Positive Rate:
R = TP/(TP+FN) = 1 - FN/T; 反映了被正確判定的正例佔總的正例的比重 。
F-measure or balanced F-score
F = 2 * 召回率 * 準確率/ (召回率+準確率)；這就是傳統上通常說的F1 measure。