以下以二分类为例子进行说明
在了解精确率和召回率之前,我们先了解几个概念
TP(True Positive)
:实际为正,分类器预测为正
FP(False Positive)
:实际为负,分类器预测为正
TN(True Negative)
:实际为负,分类器预测为负
FN(False Negative)
:实际为正,分类器预测为负
精确率
P = T P T P + F P P=\frac{TP}{TP+FP} P=TP+FPTP
其表示分类器预测为正确的分类中究竟有多少是正确的
召回率
R = T P T P + F N R=\frac{TP}{TP+FN} R=TP+FNTP
其表示实际为正确的有多少是真正分类正确的
F1值
F 1 = 2 T P 2 T P + F P + F N F_1=\frac{2TP}{2TP+FP+FN} F1=2TP+FP+FN2TP
其是精确率和召回率的调和均值,由 2 F 1 = 1 P + 1 R \frac{2}{F_1}=\frac{1}{P}+\frac{1}{R} F12=P1+R1推导而来