正确率和召回率是python么_召回率与精确率

工业界往往会根据实际的业务场景拟定相应的业务指标。本文旨在一起学习比较经典的三大类评价指标，其中第一、二类主要用于分类场景、第三类主要用于回归预测场景，基本思路是从概念公式，到优缺点，再到具体应用(分类问题，本文以二分类为例)。

1.准确率P、召回率R、F1 值

定义 准确率(Precision)：P=TP/(TP+FP)。通俗地讲，就是预测正确的正例数据占预测为正例数据的比例。

召回率(Recall)也叫查全率，可以认为查得全不全：R=TP/(TP+FN)。通俗地讲，就是预测为正例的数据占实际为正例数据的比例

F1值(F score)：

思考

正如下图所示，F1的值同时受到P、R的影响，单纯地追求P、R的提升并没有太大作用。在实际业务工程中，结合正负样本比，的确是一件非常有挑战的事。

图像展示

下面附上源码

importnumpy as npimportmatplotlib.pyplot as pltfrom mpl_toolkits.mplot3d importAxes3Dfrom matplotlib importcm

fig=plt.figure()

ax= fig.add_subplot(111,projection='3d')

x= np.linspace(0,1,100)

p,r= np.meshgrid(x,x) #meshgrid函数创建一个二维的坐标网络

z = 2*p*r/(p+r)

ax.plot_surface(x,y,z,rstride=4,cstride=4,cmap=c