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