分类问题的评估指标(Evaluation for Classifier)

机器学习开始学了回归问题的评估函数，经典的有RMSE(Root Mean Square Error)、MSE(Mean Square Error)、MAE(Mean Absolute Error)、RMSLE(Root Mean Square Logarithmic Error)等等。

 

但是分类问题不是拿这些来评估的。面试的时候还被问到了，只知道回归问题的评估标准是真的尴尬。

本文框架参考自：https://towardsdatascience.com/the-5-classification-evaluation-metrics-you-must-know-aa97784ff226

 

1. 准确率(Accuracy Rate)、精确率(Precision Rate)、召回率(Recall Rate，我也不知道为啥要称为recall)：

先说上图这个表格，左边是预测结果，上面是实际结果。

准确率(Accuracy Rate)：

很好理解，就是你预测对的概率，绿色的部分除以四个加起来。

精确率(Precision Rate)：

就是你猜“正(Positive)”中，猜对的概率

召回率(Recall Rate)：

这是实际结果为“正(Positive)”中，你猜对的概率

 

2. F1-score：

参考的文章中说，F1-score反应分类模型的精确率和召回率(Precision、R