理解机器学习中的：Accuracy、Precision、Recall、F1 Score

 

前言：由于三番五次碰到：Accuracy、Precision、Recall、F1 Score4个名词，所以花点时间作个笔记。同时，也为后来者减不必要的时间的开支，4个名词的的以下各种阐述是基于二分类。其他请勿多想。

 

介绍：给一群病人分类，将他们分为癌症患者与否，这是一个二分类问题。则有四种情况：真  正类（TP，预测为正类，其实也为正类）、真  负类（预测为负类，其实也为负类）、假   正类（预测为正类，其实为负类）、假  负类（预测为负类，其实为正类）。其中 “真假” 可以理解为：是否预测正确，正类与负类表示预测的结果是正类还是负类。通常情况下，有癌症定义为正类，否则反之。

 

Accuracy（准确率）

也即：预测正确样本数所占的比例。（正例预测为正的数量+负例预测为负的数量）

 

Precision(精确率)

也即：预测正确的正类数占预测出的正类总数 比例。

 

Recall(召回率）

也即：预测正确的正类数占实际总正类数的比例。