precision、recall、F1的计算方法和物理意义

类别

 1. 猫
 2. 狗
 3. 猪

计算方法和物理意义

$precisio{n}_{猫}$=$\frac{识别为猫类正确的数量}{识别为猫类总数量}$

precision为50%物理意义：该模型识别出猫的可参考价值（准确率）为50%

$recal{l}_{猫}$=$\frac{标签为猫类识别正确的数量}{标签为猫类的总数量}$

recall为10%物理意义：该模型在猫、狗、猪中正确识别出猫的概率为10%

$f{1}_{猫}$=$\frac{2\ast precisio{n}_{猫}\ast recal{l}_{猫}}{precisio{n}_{猫}+recal{l}_{猫}}$

f1物理意义：模型综合能力

ner例子说明：

    def calculatePRAndF1():
        with open("data/testresult.txt", mode="r", encoding="utf8") as f:
            allLocPre = 0  # 所有被模型识别为地名的数量
            locPreCorr = 0  # 被模型识别为地名且正确的数量
            allLocReal = 0  # 所有地名的数量
            for line in f:
                line = line.strip()
                if line == "":
                    continue
                word, realFlag, preFlag = line.split()  # 字， 实际状态标注， 预测状态标注
                if preFlag != "O":
                    allLocPre += 1
                if realFlag != "O":
                    allLocReal += 1
                if realFlag == preFlag:
                    if not realFlag == "O":
                        locPreCorr += 1
            precision = locPreCorr * 1.0 / allLocPre  # 查准率
            recall = locPreCorr * 1.0 / allLocReal  # 召回率
            f1 = 2 * precision * recall / (precision + recall)  # 调和平均
            return precision, recall, f1