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。