下面的符号含义:TP-将正预测为真,FN-将正预测为假,FP-将反预测为真,TN-将反预测为假。
精确率是针对我们预测结果而言的,它表示的是预测为正的样本中有多少是真正的正样本。
而召回率是针对我们原来的样本而言的,它表示的是样本中的正例有多少被预测正确了。
准确率
准确率是对给定数据集,分类正确样本个数和总样本数的比值。即:
Precision=TP+TNTP+FN+FP+TNPrecision=\frac{TP+TN}{TP+FN+FP+TN}Precision=TP+FN+FP+TNTP+TN
精确度
精确度说明判断为真的正例占所有判断为真的样例比重,即:
Accuracy=TP+TPFPAccuracy=\frac{TP+TP}{FP}Accuracy=FPTP+TP
Accuracy=TPTP+FP
召回率
召回率又被称为查全率,用来说明分类器中判定为真的正例占总正例的比率,即://06/07/5b19517a06936.png
Recall=TPTP+FN
Recall=TPTP+FN
三者之间的联系
一般来说,精确度和召回率之间是矛盾的,这里引入F1-Score作为综合指标,就是为了平衡准确率和召回率的影响,较为全面地评价一个分类器。F1是精确率和召回率的调和平均:
1F1=1Recall+1Precision
1F1=1Recall+1Precision
一般来说准确率和召回率呈负相关,一个高,一个就低,如果两个都低,一定是有问题的。如下图所示: