文章目录

• 1、Accuracy：准确率
• 2、Precision：精确率/查准率
• 3、Recall：召回率/查全率
• 4、F-Score：F值

混淆矩阵：

True Positive (TP)：真正例，正类预测为正类数；
False Negative (FN)：假反例，正类预测为反类数；
False Positive (FP)：假正例，反类预测为正类数；
True Negative (TN)：真反例，反类预测为反类数；

1、Accuracy：准确率

准确率Accuracy:预测正确的样本（TP+TN）占总样本的比例

2、Precision：精确率/查准率

精准率/查准率Precision：预测的真正例（TP）占预测为正例数的比例
预测为正例数有两种情况：一种是真正例 (TP)，正类预测为正类数；另一种是假正例 (FP)，反类预测为正类数
Precision是针对预测结果而言的，分母是预测为正类的样本，

3、Recall：召回率/查全率

召回率/查全率Recall：预测的真正例（TP）占实际为正例数的比例
实际为正例数有两种情况：一种是真正例 (TP)，把原来的正类预测为正类；另一种是假反例 (FN)，把原来的正类预测为反类；
Recall是针对样本而言的，分母是原来正类的样本。

4、F-Score：F值

当Precision和Recall出现矛盾时，用F-Score对Precision和Recall加权调和平均：

当参数α=1时，就是F1值

标签：机器,预测,Recall,性能,Precision,TP,正类,反类,评估
来源： https://blog.csdn.net/weixin_39671962/article/details/112215449