准确率accuracy、精确率precision、召回率recall、f1_score

一、准确率

准确率(accuracy):对于给定的测试数据集，分类器正确分类的样本数与总样本数之比。
由准确率，我们的确可以在一些场合，从某种意义上得到一个分类器是否有效，但它并不总是能有效的评价一个分类器的工作。举个例子,google抓取了argcv 100个页面，而它索引中共有10,000,000个页面,随机抽一个页面，分类下,这是不是argcv的页面呢?如果以accuracy来判断我的工作，那我会把所有的页面都判断为"不是argcv的页面",因为我这样效率非常(return false,一句话),而accuracy已经到了99.999(9,999,900/10,000,000),完爆其它很多分类器辛辛苦苦算的值,而我这个算法显然不是需求期待的,那怎么解决呢?这就是precision,recall和f1-measure出场的时间了.

二、精确率、召回率、f1

TP ——将正类预测为正类数（True Positive）
FN ——将正类预测为负类数（False Negative）
FP ——-将负类预测为正类
TN ——-将负类预测为负类数

	真实为正	真实为负
预测为正	TP	FP
预测为负	TN	FN

准确率= $TP\div(TP+FP+TN+FN)$

精确率p= $TP\div(TP+FP)$
误报率

召回率 r= $TP\div(TP+FN)$

多点误报召回率高

召回率是精确率和召回率的调和均值

精确率和召回率都高时，F1值也会高。
2/f1 = 1/p+1/r

原文链接：https://blog.csdn.net/happy_wealthy/article/details/116977188