分位数（quantiles）、Z-score 与 F-score

0. 分位数（quantiles）

因为累计分布函数（cdf，$F^{-1}$）是单调增函数，因此其有反函数，不妨记为 $F^{-1}$。

其真实的含义在于，如果 $F$ 是 $X$ 的 cdf，则 $F^{-1}(\alpha)$ 的函数值为：

$$P(X\leq x_\alpha)=\alpha$$

这称为 $\alpha$-分位；

$F^{-1}$ 的自变量是概率，

1. Z-score（standard score）

Z-score 指示的是一个到均值的距离（可正可负）是多少个标准差（标注差和均值的单位是一致的）。

$$z=\frac{x-\mu}{\sigma}$$

2. F-score

】（significance test）。

在二分类（binary classification，当然也可从多分类任务轻松转换为二分类问题，One-vs.-rest）问题的统计分析中，F₁ score（也叫 F-score 或者 F-measure），其是对测试时准确度的一种度量。其定义式如下：

$$F_1=2\cdot \frac{1}{\frac1{\text{precision}}+\frac1{\text{recall}}}=2\cdot \frac{\text{precision}\cdot \text{recall}}{\text{precision}+\text{recall}}$$

• precision：表示精确率，$p=\frac{tp}{tp+fp}$
• recall：则表示回召率，$r=\frac{fp}{fp+tn}=\frac{fp}{n}$

关于调和平均（harmonic mean）：

$$H=\frac{1}{\frac1n\sum\limits_{i=1}^n\frac{1}{x_i}}=\frac{n}{\sum\limits_{i=1}^n\frac{1}{x_i}}$$

进一步将其拓展泛化为加权调和平均：

$$H=\frac{1}{\frac{1}{\sum\limits_{i=1}^nm_i}\cdot\sum\limits_{i=1}^n\frac{m_i}{x_i}}=\frac{{\sum\limits_{i=1}^nm_i}}{\sum\limits_{i=1}^n\frac{m_i}{x_i}}$$