TP(真正例):预测正确,样本为正
TN(真反例):预测正确,样本为负
FP(假正例):预测错误,样本被预测为正,但样本实际为负
FN(假反例):预测错误,样本被预测为负,但样本实际为正
精准率(Precision):Precision= TP / ( TP + FP )
表示预测为正例的样本中真正正例的比例。
召回率(Recall):Recall= TP / ( TP + FN )
表示预测为正例的真实正例占所有正例的比例。
f1值:f1= 2 * Precision * Recall / ( Precision + Recall )
区分:
召回率指真实值为正类的所有样本中,模型正确分为正类的比例。
精确率对反映了对分类为正类样本的样本,有多大的把握能够保证正确。
而召回率反映了实际是正类的样本有多大的比率被正确的区分。当精确率比较高的时候,召回率往往较低,反之亦然。
f1值是精确率和召回率的合成指标,综合了二者的结果,取值范围为 [0,1],f1值越髙,代表模型的综合性能越好。