第五周：误差度量

我们如何去判断一个算法是否是好的呢？
举一个例子，我们希望用算法来预测癌症是否是恶性的，在我们的训练集中，只有0.5%的实例是恶性肿瘤，假设我们编写一个非学习而来的算法，在所有情况下都预测肿瘤是良性的，那么误差也只有0.5%，但是我们都知道，这个其实没有任何意义。误差的大小不能视为评判算法效果的依据的。
我们把算法的预测结果分为四种情况

名称	简写	含义
正确肯定	true positive	预测为真，实际为真
正确否定	true negative	预测为假，实际为假
错误肯定	false positive	预测为真，实际为假
错误否定	false negative	预测为假，实际为真

那么查准率 precision=TP/（TP+FP）
查全率 recall=TP/（TP+FN）

那么如何权衡这两个指标呢？那么我们就要设置不同的阈值，根据不同的阈值得到的两个指标。我们去计算F1score
计算公式为：
F1=2PR/（P+R）