F值(F-measure)，准确率，召回率计算方法

F值是预测结果的评价尺度之一
我们假设一个2分类器，也就是只能区分TRUE和FALSE

——	真实真	真实假
预测真	TP	FP
预测假	FN	TN

---

TP = True Positive	FN = False Negative
FP = False Positive	TN = True Negative
TP = True Positive	FN = False Negative

1.正确率（Accuracy）
正确率简单来讲就是你判断的正确率，也就是说在判断为真或假的当中判断正确的比例。
$$Accuracy=\frac{TP+TN}{TP+FP+FN+TN}$$
2.精度（Precision）
精度表示在预测为真的结果中确实为真的比例
$$Precision=\frac{TP}{TP+FP}$$
3.召回率（Recall）
召回率表示在所有为真的数据中，经过预测也判断为真的比例
$$Recall=\frac{TP}{TP+FN}$$
4.特效度、特殊度（Specificity）
特效度（特殊度）表示在所有为负的数据中，经过预测也判断为负的比例
$$Specificity=\frac{FN}{TN+FP}$$
2.F值（F-measure）
F值定义为‘精度’和‘召回率’的调和平均
$$F-measure=\frac{2Recall\ast Precision}{Recall+Precision}$$
F值较高的时候说明试验方法有效，结果比较符合预期