【AI面试题】分类问题常用的性能度量指标（评价指标）

分类问题常用的性能度量指标有精确率、召回率、F1、TPR、FPR。

分类问题度量指标的基础是混淆矩阵：

上表中：
TP表示正样本被预测为正样本（真正例，True Positive）
FN表示正样本被预测为负样本（假负例，False Negative）
TN表示负样本被预测为负样本（真负例，True Negative）
FP表示负样本被预测为正样本（假正例，False Positive）

● 准确率： 所有预测正确的样本（正样本预测为正，负样本预测为负）与所有样本的比值：

● 精确率（查准率）： 精确率是针对预测结果而言的，它表示的是预测为正的样本中有多少是真正的正样本。那么预测为正就有两种可能了：一种就是把正类预测为正类（TP），另一种就是把负类预测为正类（FP）。（精确率又称查准率，顾名思义适用于对准确率要求高的应用，例如网页检索与推荐等）。公式如下：