分类模型的评估（一）

针对二元分类结果，常用的评估指标有如下三个：查准率（Precision）、查全率（Recall）以及F-score。这篇文章将讨论这些指标的含义、设计初衷以及局限性。

一、二元分类问题

在机器学习领域，我们常常会碰到二元分类问题。这是因为在现实中，我们常常面对一些二元选择，比如在休息时，决定是否一把吃鸡游戏。不仅如此，很多事情的结果也是二元的，比如向妹子表白时，是否被发好人卡。

当然，在实际中还存在一些结果是多元的情况，比如红、黄、蓝三种颜色中，喜欢哪一个，而这些多元情况对应着机器学习里的多元分类问题。对于多元分类问题，在实际的处理过程中常将它们转换为多个二元分类问题解决，比如图1所示的例子。

图1

那么自然地，一个多元分类结果可以分解为多个二元分类结果来进行评估。这就是为什么我们只讨论二元分类结果的评估。为了更加严谨的表述，我们使用变量$y_i$来表示真实的结果，${\hat{y}}_i$表示预测的结果。其中$y_i=1$表示正面的结果（在实际应用中更加关心的类别），比如妹子接受表白，而$y_i=0$表示负面的结果，比如妹子拒绝表白。

二、查准率与查全率

在讨论查准查全的数学公式之前，我们先来探讨：针对二元分类问题，应该如何正确评估一份预测结果的效果。

沿用上面的数学记号。如图2所示，图中标记为1的方块表示${\hat{y}}_i=0$，但$y_i=1$的数据；标记为3的凹型方块表示${\hat{y}}_i=1$，但$y_i=0$的数据；标记为2的方块表示