机器学习评价

数据挖掘、机器学习和推荐系统中的评测指标—准确率(Accuracy)、精确率（Precision）、召回率(Recall)、F值(F-Measure)

 

混淆矩阵

True Positive(真正，TP)：将正类预测为正类数

True Negative(真负，TN)：将负类预测为负类数

False Positive(假正，FP)：将负类预测为正类数为误报 (Type I error)

False Negative(假负，FN)：将正类预测为负类数为漏报 (Type II error)

 

1、准确率（Accuracy）

准确率(accuracy)计算公式为： 

总预测正确的数目与总预测的数目之比

2、精确率（Precision）

精确率(precision)定义为： 

表示被分为正例的示例中实际为正例的比例。

3、召回率（recall）

召回率是覆盖面的度量，度量有多个正例被分为正例

recall=TP/(TP+FN)

4、综合评价指标（F-Measure） 
P和R指标有时候会出现的矛盾的情况，这样就需要综合考虑他们，最常见的方法就是F-Measure（又称为F-Score）。 
F-Measure是Precision和Recall加权调和平均： 
 
当参数α=1时，就是最常见的F1，也即 
 
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。