一些定义
- TP，True Positive
- FP，False Positive
- TN，True Negative
- FN，False Negative
如何理解，Postitive和Negative表示预测为正类还是负类，True和False表示预测正确还是错误
这样就可以的到 - TP，True Positive 预测正确且预测为正类，即正预测为正
- FP，False Positive 预测错误且预测为正类，即负预测为正
- TN，True Negative 预测正确且预测为负类，即负预测为负
- FN，False Negative 预测错误且预测为负类，即正预测为负
扩展到多分类 -
是指分类i的True Positive；
-
是指分类i的False Positive；
-
是指分类i的True Negative；
-
是指分类i的False Negative
准确率(Accuracy)
即预测正确的占全部的比值，预测正确的包括正到正，负到负，因此计算公式为
精确率(precision)
即预测为正类的有多少是正类
召回率(recall)
有多少正类被正确预测了
F1值(F1-score)
二分类
精确率和召回率的调和均值，可以一定程度反应模型稳健性
多分类的情况
macro-F1
- macro精度，所有类别精度的平均
- macro召回，所有召回的平均
- macro F-1公式
micro-F1
一些讨论
[1] https://www.zhihu.com/question/30643044
[2] https://www.zhihu.com/question/47980482
[3] https://www.zhihu.com/question/19645541
