机器学习中评估算法的常用评价指标

评价指标

​ 对于自然语言处理(NLP)、机器学习(ML)、信息检索(IR)等领域，评估(Evaluation)是一个必要的工作，而这其中所涉及到的评价指标一般包括：准确率(Accuracy)、精确率(Precision)、召回率(Recall)以及F1-measure

​ TP(True Positive)、TN(True Negative)、FP(False Positive)、FN(False Negative)，混淆矩阵

Tables	相关(Relevant),正类	无关(Non-relevant),负类
被检索(Retrieved)	TP	FP
未被检索到(Not Retrieved)	FN	TN

* 准确率(Accuracy):

acc=TP+TNTP+TN+FP+FN​ a c c = T P + T N T P + T N + F P + F N ​

* 精确率(Precision):

P=TPTP+FP P = T P T P + F P

* 召回率(Recall):

R=TPTP+FN R = T P T P + F N

* 综合评价指标(F-measure):

F=α2+1α2×P×RP+R F = α 2 + 1 α 2 × P × R P + R

当参数

α=1 α = 1

时，就是F1，即

F1=21P+1R=2×P×RP+R F 1 = 2 1 P + 1 R = 2 × P × R P + R

为P和R的调和平均值