1、召回率:评价模型的完整性
预测样本中的预测正确的信息条数/总样本中所有的属于这类样本的信息条数 举例:
将虾预测为虾TP:
将鱼预测为鱼 FP:
将虾预测为鱼 FN:
将鱼预测虾 TN:
将虾预测为虾 召回率R = TP/(TP+FN) (正确预测虾的信息条数/原样本中所有虾的信息条数)
2、查准率(精确率):评价模型的正确性
查准率(精确率):某一类 预测样本中的预测正确的信息条数/预测样本中所有预测为此类的信息数
查准率P = TP/(TP+FP) 不同于正确率
正确率:所有预测正确样本除以所有预测样本
准确率 = (TP+TN)/(TP+FP+FN+TN)
3、F1分数:
F1分数可以看作模型的查准率与召回率的加权平均 它的取值范围在
【0-1】 值越大说明模型越好。
例如:
有100个样本,其中1个正样本,99个负练样本,如果模型的预测输出只有0 ,那么正确率是99%,如果单单用查准率来衡量模型的好坏是具有偏见性的。
因为 0<召回率R<1
0<准确率P<1
所以 2*(R*P)<R+P
从而得到 取值范围为(0,1】