- 混淆矩阵(confusion_matrix)
左上到右下对角线上为预测正确的 对角线外面为错误 - 精确率
预测结果为正例样本中真实为正例的比例 结果越大越好 - Micro-average 微平均
(分类正确的样本个数) / (分类的所有样本个数) - F1值
精确度和召回率的调和平均值 越大越好
如果A取1,那么F-measure实际上就是precison和recall的调和平均值 2precisionrecall / (precision + recall), 此时的F-measure就称为F1值 - Macro-average 宏平均
把所有类的F1值取一个算术平均就得到了Macro-average - 召回率(recall_score)
真实为正例的样本中预测结果为正例的比例 结果越大越好
如有错误请及时指正