【机器学习】Accuracy、Precision、Recall、F1 通透解释

在评估机器学习模型性能时，仅依赖主观感觉难以提供足够客观的信息。为了更全面地评估模型在解决特定问题上的表现，我们需要依赖一系列量化指标Accuracy、Precision、Recall、F1。

问题定义

假如有100例疾病筛检，其中已知70位为正常人，30位为患者。疾病筛查的目的是为了找出所有的病患，现在筛检结果显示50人罹患疾病，但这50人中仅有16位为真的罹患疾病，其他34位属于正常人被误判的情况。

因此，从上述可知下列表格情况。

	被诊出罹患疾病	未被诊出罹患疾病
病人	16人（True Positive，TP）	14人（False Negative，FN）	30人
正常人	34人（False Positive，FP）	36人（True Negative，TN）	70人
	50人	50人

True Positive，TP

第一个True表示分类正确，第二个Positive表示在这次筛检将其归类为罹患疾病，即病人被诊断出罹患疾病的状况，共16人。

False Positive，FP

第一个False表示分类错误，第二个Positive表示在这次筛检将其归类为罹患疾病，即正常人被诊断出罹患疾病的状况，共34人。

False Negative，FN

第一个False表示分类错误，第二个Negative表示筛检将其归类为没有疾病的人，即筛检将病人诊断为未罹患疾病的状况，共30人。

True Negative，TN

True表示分类正确，第二个Negative表示筛检将其归类为没有疾病的人，即正常人被诊断出没有罹患疾病的状况，共36人。

---

接下来的指标计算，基于TP TN FP FN四种状况的排列组合。

Accuracy，准确率

定义：给定测试资料集，分类器将正确分类样本的样本数与总样本数的之比，即模型预测正确数量所占整体的比例。

其公式为：

依据情境计算：

这是最常见的评价指标，但对于资料集比例不平衡的状况下，如肺炎 癌症筛查等，Accuracy指标不具备参考价值。

以罕见病检测来说，有100个样本，99位是Negative（未患病），只有一个Positive（患病）。假设有一模型对样本预测输出全为Negative，因此准确率高达99/100=0.99，但该模型几乎报废无法使用，因为无法诊断出有疾病。

Precision，精确率

定义：被预测为Positive的结果中，有多少是真的Positive。

其公式为：

依据情境计算，被模型预测为病人中有多少是真的病人：

Recall，召回率

定义：原本是Positive的资料有多少被预测出来。

其公式为：

依据情境计算，真的病人中真的被模型预测出来的比例：

---

一般而言，这两个指标很难兼顾。如果模型太贪婪，试图预测更多的 Ground Truth 为 Positive 的例子，可能会导致误判，虽然 Recall 较高，但 Precision 会下降。反之，如果模型过于谨慎，Precision 或许会很高，但 Recall 相对较低。

在面对这种两难情境时，引申出了另一指标

F1-score

它综合考虑了 Precision 和 Recall，通过调和平均来取得平衡。

其公式为：

依据情境计算，