分类问题的精确率和召回率 (准确率)

参考李航的统计学习方法

TP--将正类预测为正类数;

FN--将正类预测为负类数;

FP--将负类预测为正类数;

TN--将负类预测为负类数;


准确率(accuracy)

A = (TP + TN)/(P+N) = (TP + TN)/(TP + FN + FP + TN);    反映了分类器统对整个样本的判定能力——能将正的判定为正,负的判定为负 


精确率(precision)定义为

P=TP/(TP+FP);反映了被分类器判定的正例中真正的正例样本的比重

召回率(recall)定义为

R=TP/(TP+FN);反映了被正确判定的正例占总的正例的比重 


F1的值

2/F1=1/P+1/R


对100条数据进行分类,100条数据中正的有70条,反的有30条,分类结果判定正的有50条(其中实际正的40条,反的10条),判定反的有50条(实际正的30条,反的20条)。

精确率为

40/(40+10)

召回率为

40/(40+30)

转载于:https://www.cnblogs.com/yan456jie/p/5369425.html

你可能感兴趣的:(分类问题的精确率和召回率 (准确率))