如何理解Precision和Recall?

如何理解Precision和Recall?

Precision ,在预测结果中，正确预测了多少？P可以联想到pedict，预测；

Recall，在真实样本中，正确预测了多少？R可以联想到real，真实；

F1值，就是综合考虑了precision和recall

F1 = 2*precision*recall/(precision+recall)

如何翻译这两个词？---> 准确率和召回率 <---

如何拓展到多分类问题上？

1、宏平均的方案，即分别计算每一类的precision和recall；

2、另外一种，我不理解，感觉意义不大。

--------------------------------------------

Python如何计算多类的Precision和Recall，以及F1值？

from sklearn.metrics import accuracy_score,precision_score, recall_score, f1_score
import numpy as np

y_true = np.array([],dtype='int64')
y_pred = np.array([],dtype='int64')

accuracy = accuracy_score(y_true, y_predict)
precision = precision_score(y_true, y_predict, average='macro')
recall = recall_score(y_true, y_predict, average='macro')
f1 = f1_score(y_true, y_predict, average='macro')

print("accuracy is {}, Precision is {}, Recall is {} and F1 is {}".format(accuracy, precision, recall, f1))

多分类ROC曲线的绘制没有没有必要？