机器学习中的一些评价指标

开篇

整理一些机器学习中的评价指标

精确率和召回率

关于定义我不多加赘述，大家可以自己搜一搜，或者说看一下我下面的参考博客。
参考博客

为了帮助大家理解什么是精确率和召回率，我举下面几个例子：

首先是地震预测，我有一个预测模型

我的模型预测了100次地震，其中90次真的发生了地震，还有10次没有发生地震，那么它的精确度就是90%
可以和上面没有任何联系
事实上发生了100次地震，我的模型预测到了其中90次地震，那么它的召回率就是90%
ok，如果我们的召回率很低的话会发生什么，发生100次地震，我们只预测到其中的10次，那这个模型基本上就是没有用的，哪怕我们预测10次地震，10次刚刚好都发生地震了，精确率100%，也没有用。

还有一个例子：我们有一个预测犯罪的模型，我们预测这100个人是罪犯，结果99个是，精确率就是99%，这时候为了不诬陷好人，我们的模型精确率就必须比较高。如果我们实际上有100个人是罪犯，但是我们只识别出80个人，我们的召回率就是80%，但是即使我们的召回率不高，但是我们的模型只要精度ok就不会诬陷好人。

精确率和召回率都高的时候，F1值也会高。