【ML】混淆矩阵（Accuracy，Precision，Recall，F1）

混淆矩阵（评价模型的重要指标）

如上图，有以下规律：深绿色为预测真确，浅绿色为预测错误，也可以说以T开头的都是预测对的，以F开头的都是预测错误的。比如TP：即预测为真的实际也为真的样本数量，反过来，FP：即为预测为真实际为假，即假真（很拗口，可以把真改为分类更好理解，比如TP：解释为分类1被正确预测为分类1）。（这里是二分类，多分类也可以画一个这个表，左上到右下的对角线上的则为分类预测正确的样本）

举例描述

下面的描述，举个例子：公司办化妆舞会，有些男人扮做女人，有些女人扮做男人。找一个陌生人给每个人贴上他认为是男是女的标签（即预测过程）。

Accuracy（精确度）：(TP+TN)/(TP+TN+FP+FN)。即所有被贴对性别标签的人占总人数的比例。就是【预测正确的样本】数占【总样本的数量】的百分比。
Precision（查准率）：也有叫正确率，准确度的。TP/(TP+FP)。即随机找出被贴上男性标签的人，其中【真男人】有多少。
Recall（查全率）：也叫召回率。TP/(TP+FN)。即随机找出一批真男人（TP：真男人，FN：假女人也是真男人），其中被贴上【真男人】标签的有多少。
F1（综合得分）：综合了Precision和Recall