NLP自然语言处理——文本分类之评价指标

一、准确率（Accuracy）

准确率关注整体效果，只适合均衡的数据。准确率公式如下：
$$Accuracy=\frac{预测正确的样本数}{总样本数}$$
数据不均衡时使用以下的评价指标。

二、精确率（Precision）

精确率关注模型预测得准不准。精确率公式如下：
$$Precision=\frac{预测正确的样本数}{预测出来的样本数}$$

三、召回率（Recall）

召回率关注模型预测得全不全。召回率公式如下：
$$Recall=\frac{预测正确的样本数}{标注的样本数}$$

四、F1

F1是一个综合评价指标，同时考虑了精确率（precision）与召回率（Recall）。F1的公式如下：
$$F1=\frac{2Precision\times Recall}{Precision+Recall}$$

五、宏平均（macro-averaging）

分别计算每类标签的评价指标，然后作算术平均。

参考文献

1、Latex公式-Katex解析
2、百度AI Studio课程——AI快车道-PaddleNLP