TP: 预测为正, 实现为正
FP: 预测为正, 实现为负
FN: 预测为负,实现为正
TN: 预测为负, 实现为负
准确率: TP/ (TP+FP)
召回率: TP(TP + FN)
F1-score: 2TP/(2TP + FP + FN)
#pre:预测的分类结果
#y:真实的分类结果
f1_fun = function(pre,y){
class = sort(unique(y))
tp=NA
fp=NA
fn=NA
for(i in 1:length(class)){
tp[i] = sum(pre==class[i] & y==class[i])
fp[i] = sum(pre==class[i] & y!=class[i])
fn[i] = sum(pre!=class[i] & y==class[i])
}
f1 = 2*tp/(2*tp+fp+fn)
names(f1) = class
print(table(pre,y))
print('-------------f1--------------------')
print(f1)
print('--------------mean(f1)-------------------')
print(mean(f1))
}
#应用
pre_result = c(0,0,0,0,0,1,3,2,2,1,1,1,1,1)
y_true = c(0,2,0,0,1,1,3,2,2,1,1,1,1,1)
f1_fun(pre_result,y_true)
输出结果: