文章目录
一个例子
首先我们看下面的一个表格,也是经典的二分类问题,常常会看见的表格:
如上表所示,行表示预测的label值,列表示真实label值。TP,FP,FN,TN分别表示如下意思:
- TP(true positive):表示样本的真实类别为正,最后预测得到的结果也为正;
- FP(false positive):表示样本的真实类别为负,最后预测得到的结果却为正;
- FN(false negative):表示样本的真实类别为正,最后预测得到的结果却为负;
- TN(true negative):表示样本的真实类别为负,最后预测得到的结果也为负.
我平时用到的最多的两个指标就是precision 和 recall, 翻译过来就是精准率和召回率, 以及F1 值 F1 只是 F-measure 中特殊的一种情况
Precision 精准率
precision 表示的是被识别为正类别的样本中,确实为正类别的比例是多少?
P r e c i s i o n = T P T P + F P Precision = \frac{TP}{TP + FP} Precision=TP+FP