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(