精确率（precision [prɪˈsɪʒən]）、召回率(recall [rɪˈkɔ:l])、准确率(accuracy [ˈækjərəsi])

本文主要整理3项评价指标，感谢大佬给与共享资源@nana-li （https://blog.youkuaiyun.com/quiet_girl/article/details/70830796）@redhorse_plus（https://blog.youkuaiyun.com/sarah98/article/details/78282068）

，如涉及侵权问题，告知本人将立即删除。

---

在介绍指标前先了解“混淆矩阵”：

混淆矩阵

True Positive(真正，TP)：将正类预测为正类数

True Negative(真负，TN)：将负类预测为负类数

False Positive(假正，FP)：将负类预测为正类数 -->误报 (Type I error)

False Negative(假负，FN)：将正类预测为负类数→漏报 (Type II error)

定义：

精确率（precision [prɪˈsɪʒən]）：     = 查准率（准针对的是预测结果）

精确率是针对预测结果而言的，它表示预测为正的结果的样本中有多少是真正的正样本。

即正确预测为正的占全部预测为正的比例。

召回率 (recall [rɪˈkɔ:l]）：   =  查全率  （全针对的是原来的样本）

召回率是针对原来的样本而言的，它表示的是样本中的正比例有多少被预测正确了。

即正确预测为正占全部正样本的比例。

准确率 (accuracy [ˈækjərəsi]) ：

即预测准确的占全部样本的比例。

---

举例：

假设我们手上有60个正样本，40个负样本，我们要找出所有的正样本，系统查找出50个，其中只有40个是真正的正样本，计算上述各指标。

• TP: 将正类预测为正类数 40
• FN: 将正类预测为负类数 20
• FP: 将负类预测为正类数 10
• TN: 将负类预测为负类数 30

精确率(precision) = TP/(TP+FP) = 80%

召回率(recall) = TP/(TP+FN) = 2/3

准确率(accuracy) = TP+TN)/(TP+FN+FP+TN) = 70%

想不明白可以参考图片计算。

如有错误请指正，谢谢!