机器学习—分类模型评估—准确率(Accuracy), 精确率(Precision), 召回率(Recall)和F1-Measure

分类模型评估

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。
利用分类模型显示找出了50个是正样本的，但其中只有40个是真正的正样本。
作为评估者的你需要来评估(evaluation)下该模型的工作。

由题意得出：
TP: 将正类预测为正类数 40---- (50个预测结果中真正是正类的有40个)
FN: 将正类预测为负类数 20 ----(60个正样本中其实只找出了40个)
FP: 将负类预测为正类数 10 ----(50个预测结果中10个预测错了)
TN: 将负类预测为负类数 30 ----(40个负样本中有10个预测为正类了)

引出评估指标：

准确率(accuracy) = 预测对的/所有 = (TP+TN)/(TP+FN+FP+TN) = 70%
精确率(precision)、查准类= TP/(TP+FP) = 80%
召回率(recall)、查全率 = TP/(TP+FN) = 2/3
F1值就是精确率和召回率的调和均值

图片展示