精确率 召回率 F1值 准确率 ROC曲线 AUC评价指标

对于二分类问题来说，经过分类器分类后一般会出现下面四种情况（假设positive表正类，negative表负类）：

• 将正类预测为正类，记该类样本数为TP （true positive）
• 将正类预测为负类，记该类样本数为FN （false negative）
• 将负类预测为正类，记该类样本数为FP （false positive）
• 将负类预测为负类，记该类样本数为TN （true negative）

混淆矩阵如下：

精确率

精确率（precision）：被预测成正的样本中预测正确的比例。越接近1，预测效果越好

$$P = \frac{TP}{P'} =\frac{TP}{TP+FP}$$

召回率

召回率（recall）：原为正样本中被正确预测的比例。越接近1，效果越好

$$R = \frac{TP}{P} = \frac{TP}{TP+FN}$$

$F_1$值

$F_1$值：精确率和召回率的调和均值，即：

2