F1值(F-Measure)、准确率(Precision)、召回率(Recall) 菜鸡版理解

  • 前置知识:
    T(True): 正确的
    F (False) : 错误的
    P (Positive) : 正向的/积极的
    N (Negetive): 负向的/消极的

则:
TP:正确的 预测了 正向的
FN:错误的 预测了 负向的
FP:错误的 预测了 正向的
TN:正确的 预测了 负向的

结合下图进行理解,左边的 T, F表示预测的是否正确,右边的P, N表示 预测值 是 P 或 N,所以才有 我上面的解释 方法。

在这里插入图片描述

精确率(Precision):感觉 查准率 更好理解

查准率,这个 准 指的 是 预测值 是正向的

  • 正确的 预测了 正向的 占 所有 预测值 正向的 比值
    正确的–> T 正向的–> P
    所以, P r e c i s i o n = T P / ( T P + F P ) Precision=TP/(TP+FP) Precision=TP/(TP+FP)
    其中,TP+FP是 预测值为正向 的总数。

召回率(Recall): 感觉 查全率 更好理解

查全率,这个 全 是 针对 真实值 说的

  • 正确的 预测了 正向的 占 所有 真实值正向的 的比例
    所以, P r e c i s i o n = T P / ( T P + F N ) Precision=TP/(TP+FN) Precision=TP/(TP+FN)
    其中,TP+FP是真实值为正向 的总数。

F1值(F-Measure)

F 1 = 2 1 P r e c i s i o n + 1 R e c a l l = 2 P r e c i s i o n ∗ R e c a l l P r e c i s i o n + R e c a l l F1= \frac{2}{ \frac{1}{Precision}+ \frac{1}{Recall} } =\frac{2Precision*Recall}{Precision+Recall} F1=Precision1+Recall12=Precision+Recall2PrecisionRecall

猜你喜欢

转载自blog.csdn.net/q506610466/article/details/127714322
今日推荐