深度学习--TensorFlow（5）BP神经网络（混淆矩阵、准确率、精确率、召回率、F值）

目录

一、混淆矩阵

 二、准确率

三、召回率

四、精确率

五、综合评估指标 -- F值

---

一、混淆矩阵

        也程 误差矩阵，是表示 精度评价的一种标准格式，用n行n列的矩阵形式来表示。 在机器学习领域，混淆矩阵又称为可能性表格或者是错误矩阵。它是一种特定的矩阵用来呈现算法的效果。

后面准确率、召回率、精确率、F值的讲解，都以该例子进行计算：

 二、准确率

准确率：识别成功的概率。

公式：

准确率比较好理解，难的是后面的召回率和精确率的理解。

三、召回率

召回率：找到正例（恐怖分子）的概率。（召回率越高说明找到正例(恐怖分子)的能力越强）

公式：

（TP：预测结果是positive，预测成功，原来是positive）

（FN：预测结果是negative，预测失败，原来是positive）

四、精确率

精确率：恐怖分子的判断能力。（精确率越高说明识别正例(恐怖分子)越精准）

公式：

（TP：预测结果是positive，预测成功，原来是positive）

（FP：预测结果是positive，预测失败，原来是negative）

五、综合评估指标 -- F值

综合评估指标 -- F值：精确率(P)和召回率(R)的加权调和平均。

公式：

=1时：

F1值计算：