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