分类问题的精确率和召回率 (准确率)
参考李航的统计学习方法 TP--将正类预测为正类数; FN--将正类预测为负类数; FP--将负类预测为正类数; TN--将负类预测为负类数; 准确率(accuracy) A = (TP + TN)/(P+N) = (TP + TN)/(TP + FN + FP + TN); 反映了分类器统对整个样本的判定能力——能将正的判定为正,负的判定为负 精确率(precision)定义为 P=TP/(TP+FP); 反映了被分类器判定的正例中真正的正例样本的比重 召回率(recall)定义为 R=TP/(TP+FN); 反映了被正确判定的正例占总的正例的比重 F1的值 2/F1=1/P+1/R 对100条数据进行分类,100条数据中正的有70条,反的有30条,分类结果判定正的有50条(其中实际正的40条,反的10条),判定反的有50条(实际正的30条,反的20条)。 精确率为 40/(40+10) 召回率为 40/(40+30) 来源: https://www.cnblogs.com/yan456jie/p/5369425.html