[机器学习] 模型评价参数，准确率，召回率，F1-score

很久很久以前，我还是有个建筑梦的大二少年，有一天，讲图的老师看了眼我的设计图，说：“我觉得你这个设计做得很紧张”，当时我就崩溃，对紧张不紧张这样的评价标准理解无能。多年后我终于明白老师当年的意思，然鹅已经跳坑计算机系了。现在我依然对建筑系那玄幻的评价标准敬而远之，看我们大CS的评价标准，就是这么明明白白，n^2的算法复杂度就是不如lgn的！妈妈再也不用担心我紧张～～～

言归正传，先截张图吧：

Accuracy   是模型结果中不管正例负例只要预测对了就算的比例；

Precision   是指在所有模型预测为正例的数据项中真正为正例的比例；

Recall    是指模型预测出的正例占全部真正正例的比例；

F1-score  准确率和找汇率的一个综合加权，因为算法的侧重点不同，召回率高的模型可能在准确率上会表现稍差，准确率比较高的模型由于其标准高，召回率不尽如人意也是有的，F1-score综合考虑了这两个参数的影响

F1-score中的1表示召回率的权重，F0.5表示准确率的权重跟高，F2表示召回率的权重更高:

 

－－截图from: 《learning scikit-learn machine learning in python》