准确率(Accuracy)、精确率(Precision)、召回率(Recall)、F1值(F-Measure)

一、准确率、精确率、召回率和 F 值 是选出目标的重要评价指标。不妨看看这些指标的定义先:

(1)若一个实例是正类,但是被预测成为正类,即为真正类(True Postive TP)

(2)若一个实例是负类,但是被预测成为负类,即为真负类(True Negative TN)

(3)若一个实例是负类,但是被预测成为正类,即为假正类(False Postive FP)

(4)若一个实例是正类,但是被预测成为负类,即为假负类(False Negative FN)

下表中:1代表正类,0代表负类:
准确率(Accuracy)、精确率(Precision)、召回率(Recall)、F1值(F-Measure)_第1张图片
TP:正确的匹配数目

FP:误报,没有的匹配不正确

FN:漏报,没有找到正确匹配的数目

TN:正确的非匹配数目

准确率(正确率)=所有预测正确的样本/总的样本 (TP+TN)/总 (预测的真正类+真负类 比上 总共)

精确率= 将正类预测为正类 / 所有预测为正类 TP/(TP+FP) (预测的真正类 比上 预测的真正类 + 假正类)

召回率 = 将正类预测为正类 / 所有正真的正类 TP/(TP+FN) (预测的真正类 比上 实际(Actual )真正类)

在这里插入图片描述
当参数a=1时,就是最常见的F1,也即

F1值 = 精确率 * 召回率 * 2 / ( 精确率 + 召回率) (F 值即为精确率和召回率的调和平均值)

可知F1综合了P和R的结果,当F1较高时则能说明试验方法比较有效。

你可能感兴趣的:(nlp自然语言处理,自然语言处理)