在介紹指標(biāo)前必須先了解“混淆矩陣”，其各個(gè)元素的介紹如下：

True Positive(真正，TP)：將正類預(yù)測(cè)為正類數(shù)

True Negative(真負(fù)，TN)：將負(fù)類預(yù)測(cè)為負(fù)類數(shù)

False Positive(假正，FP)：將負(fù)類預(yù)測(cè)為正類數(shù)誤報(bào) (Type I error)

False Negative(假負(fù)，FN)：將正類預(yù)測(cè)為負(fù)類數(shù)→漏報(bào) (Type II error)

?

Accuracy最容易理解，指所有樣本中被正確分類的樣本，包含所有樣本類別。數(shù)學(xué)公式為：

Precision與Recall是比較常見(jiàn)的兩個(gè)衡量分類精確度的參數(shù)。Precision是指在所有分類結(jié)果為某一類別的樣本中，被正確分類

的個(gè)數(shù)所占比例，而Recall指的是在某一類別的所有樣本中被正確分類的樣本所占比例。他們的公式分別為：

注：區(qū)別這兩者的關(guān)鍵是Presion是從分類后的樣本角度看的，而Recall是從原始樣本角度看的

F-measure（F-score）是Precision與Recall的加權(quán)和，因?yàn)镻與R可能會(huì)存在相反的情況，這時(shí)F-Measure可以將兩者綜合，能更有效的評(píng)價(jià)分類結(jié)果，其公式為：

當(dāng)為1是即為熟悉的F1參數(shù)：

總結(jié)

以上是生活随笔為你收集整理的机器学习---评价指标：Accuracy、Precision、Recall、F-Measure的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。