混淆矩阵、准确率、精确率、召回率、F1值

1 . sklearn中的混淆矩阵行表示真实值，列表示预测值。

from sklearn.metrics import classification_report, cohen_kappa_score, accuracy_score, confusion_matrix

print(confusion_matrix(true_label, predict_label))
print(classification_report(true_label, predict_label))
print("kappa: ", cohen_kappa_score(true_label, predict_label))
print("accuracy: ", accuracy_score(true_label, predict_label))

2 . 关于TP/TN/FP/FN如何看：

先看右边P/N，表示预测值为真（P，Positive）或假（N，Negative）；
再看左边T/F，表示预测是否正确。
比如FP，（右）表示预测为真，（左）预测是错误的，所以真实值为假。

如下表（网上有的乱七八糟，此处可参考周志华的机器学习为证）：

	预测为真	预测为假
真实为真	TP	FN
真实为假	FP	TN

3 . 准确率、精确率、召回率、F1值

准确率：
$$acc=\frac{TP+TN}{所有}$$

精确率（Precision，查准率）：
$$P=\frac{TP}{TP+FP}$$

召回率（Recall，查全率）：
$$R=\frac{TP}{TP+FN}$$

F1值：
$$\frac{2}{F_1}=\frac{1}{P}+\frac{1}{R}$$