机器学习——12分类模型的基础

目录

1. 评价标准

1.1正确率、召回率、F1指标

---

1. 评价标准

1.1正确率、召回率、F1指标

正确率与召回率(Precision & Recall )是广泛应用于信息检索和统计学分类领域的两个度量值，用来评价结果的质量。
一般来说，正确率就是检索出来的条目有多少是正确的，召回率就是所有正确的条目有多少被检索出来了。
F1值=2*(正确率*召回率）/ (正确率+召回率)。是综合上面二个指标的评估指标，用于综合反映整体的指标。
这几个指标的取值都在0-1之间，数值越接近于1，效果越好。

eg1:

某池塘有1400条鲤鱼，300只虾，300只鳖。现在以捕鲤鱼为目的。撒一大网，逮着了700条鲤鱼，200只虾，100只鳖。那么，这些指标分别如下:

正确率=700 / (700 + 200 + 100) = 70%

召回率=700 / 1400 = 50%

F值=70%* 50%* 2/ (70%+50%)= 58.3%

eg2:

某池塘有1400条鲤鱼，300只虾，300只鳖。现在以捕鲤鱼为目的。撒一大网，逮着了所有的鱼虾鳖∶

正确率=1400/(1400 + 300 + 300) = 70%

召回率=1400/ 1400 = 100%

F值= 70%*100%* 2/(70%+ 100%)= 82.35%

结论：很多情况下，准确率和召回率很多情况下不能兼得，因此需要在不同场合中需要自己判断是准确率高还是召回率比较高。综合考虑准确率和召回率的另一个指标——F-Score