python 怎么调用 矩阵 第几行_第58集 python机器学习：混淆矩阵精度指标

混淆矩阵的精度计算公式为：精度=(TP+TN)/(TP+TN+FP+FN)，也就是说，精度就是指正确的预测数目除以所有样本的数量。

准确率、召回率与f-分数：总结混淆矩阵还有几种方法，其中最常见的就是准确率和召回率。准确率度量的是被预测为正例的样本有多少是整整的样例。即：准确率=TP/(TP+FP)。如果目标是限制假正例的数量，那么可以使用准确率作为性能目标。

召回率：召回率(recalll)度量的是正类样本中有多少被预测为正类，即：召回率=TP/(TP+FN)，如果我们需要找出所有的正类样本，即避免反例是很重要的情况下，那么可以使用召回率作为性能指标。

在优化召回率与优化准确率之间需要折中，如果你预测所有样本都属于正类，那么可以轻松得到完美的召回率(没有假反例、也没有真反例)。但是，将所有样本都预测为正类，将会得得很多假正例，因此准确率会很低。与之相反，如果你的模型只讲一个最确定的数据点预测为正类，其他点都预测为反类，那么准确率将会很完美(假设这个数据点上实际上就属于正类)，但是召回率会很差。(当然，准确率和召回率只是度量混淆矩阵情况中两个量，其他的可以根据实际情况取对应的参数)。

f-分数：虽然准确率和召回率是非常重要的度量，三式仅查看二者之一无法提供完美的途径，所以还有一种将两种方法汇总的方法——f-分数。它是准确率与召回率的调和平均，即：F=2*(准确率*召回率)/(准确率+召回率)。

<