[机器学习]评价指标：召回率(Recall)、准确率(Precision)、f1-score、Hit Ratio(HR)、NDCG、MAP(MARR)

---

在人工智能算法中，算法实现，训练模型完成后，为了判定算法的好坏，需要对训练的模型进行评价，本文介绍一些用于时空数据挖掘（STDM）中POI预测的评价标准。

1. 场景假设

假如某班有女生20人,男生80人,共计100人.目标是找出所有女生,某人（分类器）挑选出50个人,其中20人是女生,另外还错误的把30个男生也当作女生挑选出来了。针对上述场景，现在换一种说法：总人数是100人，他把其中70人（20女+50男）判定正确了。

2. 情况分类

按照上面例子,我们需要从一个班级中寻找所有女生,如果把这个任务当成一个分类器的话,那么女生就是我们需要的,而男生不是,所以我们称女生为"正类",而男生为"负类"。分类表格如下：

	真实为正类/女	真实为负类/男
判定为正类/女	20（TP）	30（FP）
判定为负类/男	0（FN）	50（TN）

其中：

true positives(TP 正类判定为正类,例子中就是正确的判定"这位是女生")
false positives(FP 负类判定为正类,“存伪”,例子中就是分明是男生却判断为女生)
false negatives(FN 正类判定为负类,“去真”,例子中就是女生被判别成男生)
true negatives(TN 负类判定为负类,例子中就是一个男生被判断为男生)

---

召回率(Recall)

指的是所有真实为正类（TP+FN）中，被判定为正类（TP）占的比例。

---

精确率(Precision)

指的是所有被判定为正类（TP+FP）中，真实的正类（TP）占的比例。

---