机器学习——算法常用评价指标

一、常用评价指标

错误率： 分类错误的样本数占样本总数的比例
精度： 分类正确的样本数占样本总数的比例,错误率+精度=1
查准率（precision）：算法挑出来的样本中有多少比例是正样本
查全率（recall）： 所有的正样本中有多少比例被算法挑了出来

查准率与查全率是一对矛盾的度量。一般来说，查准率高，查全率就低；查全率高，查准率就高。
而在实际的模型评估中，单用查准率或者查全率来评价模型是不完整的，评价模型时必须用查准率/查全率两个值。一般有三种使用方法：平衡点（Break-Even
Point，BEP）、F1度量、F1度量的一般化形式。
这里只介绍F1度量：F1是基于查准率与查全率的调和平均定义的


显然F1越大越好
以《机器学习》西瓜问题为例

• TP： 正确地标记为正，即算法预测它为好西瓜，这个西瓜真实情况也是好西瓜（双重肯定是肯定）；
• FP： 错误地标记为正，即算法预测它是好西瓜，但这个西瓜真实情况是坏西瓜；
• FN： 错误地标记为负，即算法预测为坏西瓜，（F算法预测的不对）但这个西瓜真实情况是好西瓜（双重否定也是肯定）；
• TN： 正确地标记为负，即算法标记为坏西瓜，（T算法预测的正确）这个西瓜真实情况是坏西瓜。

西瓜总数：TP+FP+FN+TN
错误率：(FP+FN)/(TP+FP+FN+TN)
精度：(TP+TN)/(TP+FP+FN+TN)
查准率：TP/(TP+FP)
查全率：TP/(TP+FN)

二、案例

题目：
假设运用两套算法测试：从学生宿舍区一段监控视频中识别男生的人数。

实验结果如下：

1）算法1的检测结果：检测出“男生”人数82人，其中78人为男生，4人其实是女生；

2）算法2的检测结果：检测出“男生”人数88人，其中80人为男生，8人其实是女生；

3）经过人工检测，视频中实际准确的总人数为100人，其中男生80人，女生20人。

请问算法1和算法2的“查准率”“查全率”“F1-score”等分别是多少？你认为哪个更优秀？

答案：
算法1查准率：78/82，查全率：78/80，F1：156/162
算法1查准率：80/88，查全率：80/80，F1：160/168
156/162 > 160/168
所以算法1更好