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計圖，說：“我覺得你這個設計做得很緊張”，當時我就崩潰，對緊張不緊張這樣的評價標準理解無能。多年后我終于明白老師當年的意思，然鵝已經跳坑計算機系了。現在我依然對建筑系那玄幻的評價標準敬而遠之，看我們大CS的評價標準，就是這么明明白白，n^2的算法復雜度就是不如lgn的！媽媽再也不用擔心我緊張～～～

言歸正傳，先截張圖吧：

Accuracy? ?是模型結果中不管正例負例只要預測對了就算的比例；

Precision? ?是指在所有模型預測為正例的數據項中真正為正例的比例；

Recall? ? 是指模型預測出的正例占全部真正正例的比例；

F1-score? 準確率和找匯率的一個綜合加權，因為算法的側重點不同，召回率高的模型可能在準確率上會表現稍差，準確率比較高的模型由于其標準高，召回率不盡如人意也是有的，F1-score綜合考慮了這兩個參數的影響

F1-score中的1表示召回率的權重，F0.5表示準確率的權重跟高，F2表示召回率的權重更高:

?

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

轉載于:https://www.cnblogs.com/Arborday/p/8371259.html

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。