深度学习中accuracy,precision,recall,F1 score等指标的区别与联系

True Positive（TP）：预测为正例，实际为正例

False Positive（FP）：预测为正例，实际为负例

True Negative（TN）：预测为负例，实际为负例

False Negative（FN）：预测为正例，实际为负例

accuracy和precision区别：

   accuracy指的是正确预测的样本数占总预测样本数的比值，它不考虑预测的样本是正例还是负例。而precision指的是正确预测的正样本数占所有预测为正样本的数量的比值，也就是说所有预测为正样本的样本中有多少是真正的正样本。可以看出precision只关注预测为正样本的部分，而accuracy考虑全部样本。

Recall可以称为召回率、查全率，指的是正确预测的正样本数占真实正样本总数的比值，也就是从这些样本中能够正确找出多少个正样本。

F-score相当于precision和recall的调和平均，recall和precision任何一个数值减小，F-score都会减小，反之，亦然。

specificity指标，它是相对于sensitivity（recall）而言的，指的是正确预测的负样本数占真实负样本总数的比值，也就是我能从这些样本中能够正确找出多少个负样本