不对成性分类的误差以及查准率和召回率的权衡

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：