TP——将正类预测为正类数
FN——将正类预测为负类数
FP——将负类预测为正类数
TN——将负类预测为负类数
精确率(Precision):
P = TP/(TP+FP)
反映了被分类器判定的正例中真正的正例样本的比重。
准确率(Accuracy):
A = (TP+TN)/ (P+N) = (TP+TN)/ (TP+FN+FP+TN)
反映了分类器统对整个样本的判定能力——能将正的判定为正,负的判定为负
召回率(Recall):
R = TP/(TP+FN)= 1-[FN/(TP+FN)]
反映了被正确判定的正例占总的正例的比重
F1值:
F1 = 2*(Recall * Precision)/(Recall + Precision)