机器学习分类模型效果评估指标

机器学习分类模型效果评估指标：准确率、精确率、召回率、F1​-score

1、准确率、精确率、召回率、F1​-score

我们以分类算法为例，假设班里有50个同学，其中男生30个，女生20个，我们根据身高、体重、头发长度、声音分贝等等特征，想找到所有女生，比如已经有这样一个分类器了，得到结果如下：

这里我们是要找到所有女同学，故把女同学作为正样本（positive），男同学作为负样本（Negative），预测结果正确为True，预测结果错误为False。基于此，我们结合上面的数据给出如下定义和值：
TP(True Positive): 真实是女生，预测结果也是女生的数量（18个）FN(False Negative): 真实是女生，预测结果是男生的数量（2个）TN(True Negative): 真实是男生，预测结果也是男生（25个）FP(False Postive): 真实是男生，预测结果是女生（5个）
有了这几个值，我们就可以计算准确率、精确率、召回率、F1​-score这几个值了
准确率(