机器学习中的准确率、召回率、F值详解

机器学习算法中的准确率(Precision)、召回率(Recall)、F值(F-Measure)：

摘要：

  数据挖掘、机器学习和推荐系统中的评测指标-准确率(Precision)、召回率(Recall)、F值(F-Measure)简介：

引言：

  在机器学习、数据挖掘、推荐系统完成建模之后，需要对模型的效果做评价。

业内目前常用的评价指标有准确率、召回率、F值等等，下图是不同机器学习算法的评价指标。下午讲对其中某些指标做简要介绍。

 

本文针对二元分类器！

在介绍指标之前必须先了解“混淆矩阵”：

True Positive  (真正，TP)： 将正类预测为正类数

True Negative (真负，TN )： 将负类预测为负类数

False Positive (假正，FP)：将负类预测为正类数->误报(Type Ⅰ error)

False Negative(假负，FN)： 将正类数预测为负类数->漏报(Type Ⅱ error)