精准率、召回率、f1值及TP、TN、FP、FN通俗解释

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。