机器学习中的精确度、召回率、F1分数

精确度与召回率

• 上图左边为混淆矩阵，四个区域分别为：真阳性（True positive），真阴性（True negative），假阳性（False positive），假阴性（False negative）。
• 精确度为预测y=1，真正为y=1的概率有多少。即 True positive / Predicted Class
• 召回率为在所有真正为y=1的例子中，我们预测y=1的概率有多少。即True positive / Actual Class
• 精确度高：说话靠谱，召回率高：遗漏很少
  参考文章

F1分数

• 合并精确度和召回率，即取它俩的调和平均数（F1），通过F1的值来判断模型的好坏
• 调和平均数是强调较小值的平均数
  

补充：其他性能评价指标