机器学习中的评价指标--1[F,P,R]

机器学习中的评价指标

关于这一部分，我将在遇到的时候，进行简要的说明和介绍，之讲解最重点的部分，其它的可以查阅相关文献和博主的文章。

1.关于 P、R 值

这应该是机器学习中最常用的两个统计量了，我们要计算它，无非就要计算混淆矩阵，最简化的版本是下面的4项版本。

	Predicted:Positive	Predicted:Negtive
Trurh:True	TP	FN
Trurh:False	FP	TN

该表的4项在计算时，第二项表示的是预测值，而第一项则与真实值取同或，相同为 True，不同则为 False。
基于此表，我们可以求取各种物理量，最常用的是P(精度), R(召回率)和 accuracy(准度)。一下分别为其计算公式 ：

P = TP/TP+FP
R = TP/TP+FN
Accuracy = TP+TN/TP+FN+FP+TN

其含义相对来说很好理解，就不赘述了。

2.F值的计算

F 的计算是 P和 R 的加权调和平均，怎么理解它呢，为什么要用这种形式呢。其实仔细看不难发现，证据常用的 F1值，其实它的公式就类似电阻并联的公式：

F=2PR/P+R

3.其它

基于这些统计量，还有其它很多衍生的指标以及曲线，用于刻画不同的性能，常用的有 PR 曲线，AOC 曲线等等，这些并不复杂，用时再查阅即可。

4.参考

https://www.cnblogs.com/Zhi-Z/p/8728168.html

5.附录