F值是预测结果的评价尺度之一
我们假设一个2分类器,也就是只能区分TRUE和FALSE
—— | 真实真 | 真实假 |
---|---|---|
预测真 | TP | FP |
预测假 | FN | TN |
TP = True Positive | FN = False Negative |
---|---|
FP = False Positive | TN = True Negative |
TP = True Positive | FN = False Negative |
1.正确率(Accuracy)
正确率简单来讲就是你判断的正确率,也就是说在判断为真或假的当中判断正确的比例。
A
c
c
u
r
a
c
y
=
T
P
+
T
N
T
P
+
F
P
+
F
N
+
T
N
Accuracy = \cfrac{TP + TN}{TP + FP + FN + TN}
Accuracy=TP+FP+FN+TNTP+TN
2.精度(Precision)
精度表示在预测为真的结果中确实为真的比例
P
r
e
c
i
s
i
o
n
=
T
P
T
P
+
F
P
Precision = \cfrac{TP}{TP + FP}
Precision=TP+FPTP
3.召回率(Recall)
召回率表示在所有为真的数据中,经过预测也判断为真的比例
R
e
c
a
l
l
=
T
P
T
P
+
F
N
Recall = \cfrac{TP}{TP + FN}
Recall=TP+FNTP
4.特效度、特殊度(Specificity)
特效度(特殊度)表示在所有为负的数据中,经过预测也判断为负的比例
S
p
e
c
i
f
i
c
i
t
y
=
F
N
T
N
+
F
P
Specificity = \cfrac{FN}{TN + FP}
Specificity=TN+FPFN
2.F值(F-measure)
F值定义为‘精度’和‘召回率’的调和平均
F
−
m
e
a
s
u
r
e
=
2
R
e
c
a
l
l
∗
P
r
e
c
i
s
i
o
n
R
e
c
a
l
l
+
P
r
e
c
i
s
i
o
n
F-measure = \cfrac{2Recall * Precision}{Recall + Precision}
F−measure=Recall+Precision2Recall∗Precision
F值较高的时候说明试验方法有效,结果比较符合预期