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=TPP′=TPTP+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=TPP=TPTP+FN
F1 值
F1 值:精确率和召回率的调和均值,即:
2