这里我们讨论的是偏斜类分类问题,即正负类的数据个数相差太多。以病人是否患癌症为例,训练集中不患癌症的比例约为99.2%,相比于患癌数目太多。
这种情况下,假设我们设计的算法的正确率为99%,但是你会发现,当我们设计一个结果恒等于不患癌的算法时,我们的正确率为99.2%,比之前设计的算法正确率高,但是这是一个欺骗我们的无效的算法。
所以这里我们,提出了查准率和召回率:
我们发现,在设置临界值时,要想得到较高的查准率,那么我们就会得到比较低的召回率,反之亦然。
所以我们在权衡两者时,我们首先想到了两者的平均值,后来验算发现不可取。
我们又提出了F值概念: