F1值，准确率，召回率

1、混淆矩阵

混淆矩阵中T、F、P、N的含义：
T:真，F:假，P:阳性，N:阴性
然后组合：
TP:真阳性 TN:真阴性 FP:假阳性 FN:假阴性

2、准确率

准确率：反映了系统对正样本预测的准确性
正确分类的样本数与总样本数之比
Accuracy=(TP+TN)/总样本数量

3、精确率：

你认为对的中，有多少确实是对的，所占的比率：
例如：你预测 对的有 10（TP+FP）个，其中8个确实是对的，则 精确率 80%

你认为对的：即预测值为1的数量=TP+FP

有多少确实是对的：TP

Precision=TP/(TP+FP)

4、召回率：

召回率：反映了系统预测的完整性。
本来是对的中，你召回了多少对的，所占的比率 :
例如：应该有 10 个是对的，但是你只猜中了 7（TP+FN）个，则 召回率 70%

本来是对的：即真实值为1的数量=TP+FN

你召回了多少对的：TP

Recall=TP/（TP+FN）

5、 F1值：

精确率越高越好，召回率越高越好。

下边式子（2）可以由式子（1）推导出来

从(1)看出，Recall不变时，Precision越大，1/Precision越小，从而F1越大。

同理： Precision不变时，Recall越大，1/Recall越小，从而F1越大。

5、 f1_score中关于参数average的用法描述:

• 'micro':通过先计算总体的TP，FN和FP的数量，再计算F1

• 'macro':分别计算每个类别的F1，然后做平均（各类别F1的权重相同）

本文内容转自知乎 惊天小蚂蚁
精确率，召回率，F1值的通俗解释