很久很久以前，我還是有個建筑夢的大二少年，有一天，講圖的老師看了眼我的設(shè)計(jì)圖，說：“我覺得你這個設(shè)計(jì)做得很緊張”，當(dāng)時我就崩潰，對緊張不緊張這樣的評價(jià)標(biāo)準(zhǔn)理解無能。多年后我終于明白老師當(dāng)年的意思，然鵝已經(jīng)跳坑計(jì)算機(jī)系了。現(xiàn)在我依然對建筑系那玄幻的評價(jià)標(biāo)準(zhǔn)敬而遠(yuǎn)之，看我們大CS的評價(jià)標(biāo)準(zhǔn)，就是這么明明白白，n^2的算法復(fù)雜度就是不如lgn的！媽媽再也不用擔(dān)心我緊張～～～

言歸正傳，先截張圖吧：

Accuracy? ?是模型結(jié)果中不管正例負(fù)例只要預(yù)測對了就算的比例；

Precision? ?是指在所有模型預(yù)測為正例的數(shù)據(jù)項(xiàng)中真正為正例的比例；

Recall? ? 是指模型預(yù)測出的正例占全部真正正例的比例；

F1-score? 準(zhǔn)確率和找匯率的一個綜合加權(quán)，因?yàn)樗惴ǖ膫?cè)重點(diǎn)不同，召回率高的模型可能在準(zhǔn)確率上會表現(xiàn)稍差，準(zhǔn)確率比較高的模型由于其標(biāo)準(zhǔn)高，召回率不盡如人意也是有的，F1-score綜合考慮了這兩個參數(shù)的影響

F1-score中的1表示召回率的權(quán)重，F0.5表示準(zhǔn)確率的權(quán)重跟高，F2表示召回率的權(quán)重更高:

?

－－截圖from: 《learning scikit-learn machine learning in python》

轉(zhuǎn)載于:https://www.cnblogs.com/Arborday/p/8371259.html

總結(jié)

以上是生活随笔為你收集整理的[机器学习] 模型评价参数，准确率，召回率，F1-score的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

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