准确率(Accuracy) 精确率(Precision) 召回率(Recall)和F1-Measure

先验知识

我们首先将数据的类别统一分为两类：正类和负类。例如：一个数据集中的数据一共有3类，小学生、中学生、高中生。我们的目标是预测小学生，那么标记为小学生的数据就是正类，标记为其他类型的数据都是负类。

数据有两种状态：测试集数据和预测结果数据。

对一批测试数据进行预测，结果可以分成四种。

• TP(True Positive): 原本是正类，预测结果为正类。(正确预测为正类)
• FP(False Positive): 原本是负类，预测结果为正类。(错误预测为正类)
• TN(True Negative): 原本是负类，预测结果为负类。(正确预测为负类)
• FN(False Negative): 原本是正类，预测结果为负类。(错误预测为负类)

准确率(Accuracy)

对于给定的测试数据集，分类器正确分类的样本数与样本总数之比，就称为准确率，即(TP+TN)/(TP+TN+FP+FN)

精确率(Precision)

在预测结果为正类的数据中，有多少数据被正确预测(原本就是正类)，即TP/(TP+FP)。

对应于检索中的查准率，检索出相关文档数/检索出的文档总数

<