分类准确率指标 Precision, Recall, F1, Accuracy

Precision, Recall, F1, Accuracy

用来评价二分类器优良的指标。

预测(列)/label(行)	正样本	负样本
正样本	TP(真正例)	FN(假反例)
负样本	FP(假正例)	TN(真反例)

TP(真正例)：将正样本预测为正样本
  FN(假反例)：将正样本预测为负样本
  FP(假正例)：将负样本预测为正样本
  TN(真反例)：将负样本预测为负样本
  说明：后面的字母表示label，前一个字母表示是否预测正确

1. Accuracy(准确率)：预测正确的样本在总的样本中所占的比重。
   • \(Acc = \frac{TP+TN}{TP+TN+FP+FN}\)
2. Precision(查准率，精确率)：针对预测结果。表示预测为正的样本中有多少是真的正样本 。由此，P越低，就有越多的负样本被预测成了正样本。
   • \(P=\frac{TP}{TP+FP}\)。
3. Recall(查全率，召回率)：针对原来样本。表示正样本中有多少被预测正确了。由此，R越低，就有越多的正样本被预测成了负样本。
   • \(R=\frac{TP}{TP+FN}\)。
4. F1值(H-mean):即用来衡量precision和recall的值，它是这个两个值的调和均值，即，算术平均数/几何平均数
   • \(F=\frac{(1+a^2)PR}{a^2(P+R)}\)，当a=1时，即F1−score
   • \(F_1 = \frac{2PR}{P+R} = \frac{2TP}{2TP+FP+FN}\)
   • \(\frac{2}{F_1} = \frac{1}{P}+\frac{1}{R}\)