机器学习 模型评估方法（分类问题）

1、错误率和精度

错误率：

精度：

2、查准率、查全率

例如在信息检索任务中：

（1）检索出的信息中有多少比例是用户感兴趣的   ==> 查准率 precision

（2）用户感兴趣的信息中有多少被检索出来          ==> 查全率 recall

按真实类别与预测类别分为：

真正例（True Precision）TP

假正例（False Precision）FP

真反例（True Negative）TN

假反例（False Negative）FN

真实情况	预测情况
	正例	反例
正例	TP（真正例）	FN（假反例）
反例	FP（假正例）	TN（真反例）

查准率：预测为正中完成正确的/预测为正的

查全率：预测为正中完全正确的/样本中所有为正的

一般来说，查准率高时，查全率往往偏低；查全率高时，查准率偏低。

<