accuracy、precision、recall、宏平均、微平均

1、accuracy、precision、recall

TP:实际为正，且划分为正的样本数，真正数。

FP:实际为负，且划分为正的样本数，假正数。

TN:实际为负，且划分为负的样本数，真假数。

FN:实际为正，且划分为负的样本数，假负数

• accuracy：准确率，预测正确的结果占总数的比例   (TP+TN)/(TP+FP+TN+FN)
• precision：精确率，预测为正且正确的样本占预测为正的样本比例，又叫查准率   TP/(TP+FP)，精确率高意味着，只要识别出来是正的，就肯定是正的，侧重将不易区分的样本划分为负样本，考察的是识别出来的正样品是否靠谱。
• recall：召回率，预测为正且正确的样本占实际为正的样本比例，又叫查全率   TP/(TP+FN)，召回率高意味着，只要是正的都能识别出来，侧重将不易区分的样本划分为正样本，考察的是对正样本是否敏感。
• Fb-score：综合考虑精确率和召回率的指标：（1+b^2）*Precision*Recall / (Precision+Recall)

2、宏平均、微平均

宏平均：先对每一个类统计指标值，然后再对所有类求算术平均值。

微平均：把所有类别的一次性都考虑进来，计算类别预测的准确率，前面的accuracy、precision、recall可以认为是微平均下的计算方法。

以两类分为为例：

得到宏平均：macro_avg= ( 10/(10+10)  +  90/(90+10) ) /2  =0.7 (其实就是两类的精确率求平均)

得到微平均：micro_ave=( 100 / 100 + 20 )=0.83