混淆矩阵(Confusion Matrix)
- 预测值为正(Positive)，并且真实值也为正(Positive)，预测为真(True)，True Positive (TP)。
- 预测值为负(Negative)，但是真实值为正(Positive)，预测失败(False)，False Negative (FN)。
- 预测值为正(Positive)，但是真实值为负(Negative)，预测失败(False)，False Positive (FP)。
- 预测值为负(Negative)，并且真实值也为负(Negative)，预测为真(True)，True Negative (TN)。
准确率(Accuracy)
既然我们是做预测，那自然希望我们做出的预测尽可能的准确，准确率就是在所有样本数中，我们做出正确预测(True)的样本比例。在图中就是
准确率(Accuracy)的适用场景：
不同的分类是同等地位的，对猫狗喜好进行分类，问题中并没有对猫和狗有特定的侧重，因此在这里我们只强调于分类的正确度，即准确率。
精确率(Precision)
但更一般的分类问题，对于类别往往有所侧重，例如银行进行用户违约预测的例子中，银行更关注的是那些少量的违约案例，因为这关系到贷出资金能否收回，涉及坏账率，因此需要一个针对于正预测(Positive)的指标，所以这里银行会更加看重所做出的正预测中，预测为真(True)的比例。
精确率(Precision)的适用场景：
因为预测为正但真实为负(FP)的成本很高，因此非常看重预测正样本预测的准确度。比如在银行对用户违约与否进行预测时，假如将客户分类为会违约，但客户实际不违约，那么银行损失了一名客户，同时也损失了利息收入，所以银行会比较看重预测的精确度。
召回率(Recall)
召回率又可以被翻译为查全率，同样基于对于正(Positive)案例的指标。但与精确率不同之处在于，召回率更加侧重真实为正(Positive)的样本中被成功预测的比例。
召回率(Recall)的适用场景：
在真实值为正，而未被成功预测为正(FN)的成本很高，因此非常看重真实为正样本被正确预测的比例。比如在流行病的案例中，如果真实为正而未被正确预测，即本身患病而被判断为不患病，那么对于社会公共安全造成极大危害，后果严重，所以这里会很看重召回率。
总结：
- precision是从已经预测为同一类别的样本抽样。是针对预测结果而言的，表示：预测样本为正的样本中有多少是真正的正样本。
- recall是从dataset的同一类的样本抽样。是针对原来样本而言的，表示：样本中的正例有多少被预测正确。
但仔细想想，单纯以精确率或者召回率作为度量标准其实存在一个很大的问题，让我们因为虽然真实的类别是已经存在的客观事实，我们可以通过主观地修改预测比例来“调整”混淆矩阵，从而有意提高精确率或召回率。
例如，银行若仅以精确率为度量标准，非常谨慎地进行正预测，那么只给收入最低、学历最低、工作没有保障的少量用户分类为正(Positive)，判断他们将无力偿还贷款，那精确度将非常高。但这种做法会使很多其他方面有问题，而无力偿还贷款的人不被判定为违约者，而给他们发放贷款，造成资金无法收回，坏账率提高。
又比如，假设在流行病检验中，假设检疫局仅以召回率作为唯一度量标准进行分类，那么将以非常松散的标准进行正(Positive)分类，将大部分人预测为患病。这样操作会使召回率非常高（想象一下极端情况下将所有样本预测为正，召回率将为100%），但同时很多未患病的人会被误分类为患病，造成很多不必要的隔离措施。
F值
因此，在实际情况中，不会有分类器仅仅以精确度(Precision)或者召回率(Recall)作为单一的度量标准，而是使用这两者的调和平均，于是就有了F值(F-Score)，F值的一般表达式为：
在实际过程中，我本以为二分类的话只能是0，1。（类别可以，但我理解的是分数iou这种吧，其实这种可以直接用）
>>> from sklearn.metrics import f1_score
>>> y_true = [0, 1, 2, 0, 1, 2]
>>> y_pred = [0, 2, 1, 0, 0, 1]
>>> f1_score(y_true, y_pred, average='macro')
0.26...
>>> f1_score(y_true, y_pred, average='micro')
0.33...
>>> f1_score(y_true, y_pred, average='weighted')
0.26...
>>> f1_score(y_true, y_pred, average=None)
array([0.8, 0. , 0. ])参考：