R召回率、P精确率、F-度量
- 将正类样本预测为正类(True Positive, TP)
- 将负类样本预测为正类(False Positive, FP)
- 将正类样本预测为负类(False Negative, FN)
- 将负类样本预测为负类(True Negative, TN)
召回率(recall):
召回率度量了在所有的正类样本中,模型正确检出的比率,因此也称为查全率;
精确率(precision):
精确率度量了在所有被模型预测为正类的样本中,正确预测的比率,因此也称查准率。
F-度量:
F-度量则是在召回率与精确率之间去调和平均数;有时候在实际问题上,若我们更加看重其中某一个度量,还可以给它加上一个权值α,称为F_α-度量:
特殊地,当𝛼=1时:
可以看到,如果模型“不够警觉”,没有检测出一些正类样本,那么召回率就会受损;而如果模型倾向于“滥杀无辜”,那么精确率就会下降。因此较高的F-度量意味着模型倾向于“不冤枉一个好人,也不放过一个坏人”,是一个较为适合不平衡类问题的指标。