模型评估（一）—— 准确率(Accuracy)，精确率(Precision)，召回率（Recall），F1-Score的总结

True Positive(TP)：实际为正，预测也为正
True Negative(TN)：实际为负，预测也为负
False Positive(FP)：实际为负，预测为正
False Negative(FN)：实际为正，预测为负

在二分类问题中可以用以下的Confusion Matrix来表示:

准确率（Accuracy），是预测正确的样本占全部样本的比例。

精确率（Precision），也叫查准率，是True Positive 占预测为正例的比例：预测为正的样本中，有多少是真正的正样本。

Precision=$\frac{TP}{TP+FP}$

召回率（Recall），也叫查全率，是True Positive 占样本中所有正例的比例：正样本中，有多少被预测到了。

Recall=$\frac{TP}{TP+FN}$

在分类任务中，准确率是常用的衡量模型的方法。但在样本极度不平衡的情况下，准确率并不是一个理想的衡量标准。假设给100个人做病毒的检测，实际上只有一个人感染了病毒，但因为样本的不平衡，模型倾向于把所有的样本预测为没有感染病毒，准确率高达99%，但因为高准确率就说这是一个好模型是不科学的，在这个例子里关注那些感染了病毒的1%才是最重要的。

所以这里需要引入召回率的概念：感染了病毒的人群中，有多少人被准确预测了？我们希望召回率高一点，因为想把病毒携带者尽可能找出来。但并不是越高越好：举个极端的例子，根据宁可错杀一千不可放过一个的原则，我们把100人都预测为正例（感染了病毒），我们能够把所有感染了病毒的人找出来，召回率是1，但误伤率也极高，因为有99人实际上没有感染病毒，精确率（在被预测感染了病毒的人中，有多少人真的携带病毒？）只有1/100=0.01。反过来，如果我们只在非常确定的情况下才判断一个样本感染了病毒，可以提高精确率，但同时也放弃了部分感染了病毒的病人。所以高精确率和高召回率往往不可兼得，存在trade-off。

当我们想要在两个模型中，在不同的两组精确度和召回率之间做选择时，可以考虑结合了两者的F-1 Score。

F-1 Score=$\frac{2\ast precision\ast recall}{precision+recall}$。

这里用到的是调和平均数（harmonic mean）。我们希望选择F-1 Score较高的那个模型。