精确率、准确率和召回率

0x00 TP、FN、FP、TN

TP: True Positive 被正确分类的正例

FN: False Negative 被错误分类的负例(本来是正例,错分为负例)

TN: True Negative 被正确分类的负例

FP: False Positive 被错误分类的正例(本来是负例,错分为正例)

总结就是第一个字母代表了是否被正确分类,第二个字母代表被预测为了什么样的例子,比如FN就是错误地预测为了负例,即为原先是正例,被错分为负例。或者一图以蔽之:

0x01 精确率、准确率和召回率

精确率、准确率和召回率就是从上面四个特性中延续出来的新的统计指标。

准确率(Accuracy):准确率是预测正确的所占总体的比例,如下:

Accuracy=TP+TNTP+FN+FP+TN\text{Accuracy}=\frac{\text{TP+TN}}{\text{TP+FN+FP+TN}}

精确率(Precision):精确率是针对预测结果而言的,表示预测为正的样本中,有多少预测正确了。或者说你认为的正样本中,有多少猜对了。如下:

Precision=TPTP+FP\text{Precision}=\frac{\text{TP}}{\text{TP+FP}}

召回率(Recall):召回率相对原有的样本而言,表示样本中的正例(实际为正例)有多少预测正确了。召回率描述的是在所有的样本中,正样本被找回来了有多少,所以起名召回,如下:

Recall=TPTP+FN\text{Recall}=\frac{\text{TP}}{\text{TP+FN}}