机器学习中评估算法的常用评价指标

评价指标

​ 对于自然语言处理(NLP)、机器学习(ML)、信息检索(IR)等领域，评估(Evaluation)是一个必要的工作，而这其中所涉及到的评价指标一般包括：准确率(Accuracy)、精确率(Precision)、召回率(Recall)以及F1-measure

​ TP(True Positive)、TN(True Negative)、FP(False Positive)、FN(False Negative)，混淆矩阵

Tables	相关(Relevant),正类	无关(Non-relevant),负类
被检索(Retrieved)	TP	FP
未被检索到(Not Retrieved)	FN	TN

* 准确率(Accuracy):

$$acc=\frac{TP+TN}{TP+TN+FP+FN}​$$
* 精确率(Precision): $$P=\frac{TP}{TP+FP}$$
* 召回率(Recall): $$R=\frac{TP}{TP+FN}$$
* 综合评价指标(F-measure): $$F = \frac{\alpha^2+1}{\alpha^2}\times\frac{P\times R}{P+R}$$ 当参数 $$\alpha=1$$ 时，就是F1，即 $$F1 = \frac{2}{\frac{1}{P}+\frac{1}{R}} = \frac{2\times P\times R}{P+R}$$ 为P和R的调和平均值