简单、直观理解 模型评价指标：精确率、准确率、召回率、F1值

一、理解

有一个模型，能够找出不好的来，找的结果如下（混淆矩阵）：

实际 \ 预测	True	False
True	TP	FN
False	FP	TN

TP         //本来是不好的，说成是不好的。

FN        //本来是不好的，说成是好的。这个很Negative，因为把应该找到的漏掉了。

FP        //本来是好的，说成是不好的。这个很Positive，因为没有漏掉结果。

TN       //本来是好的，说成是好的。

准确率 ＝ True/total = (TP+TN)/(TP+TN+FP+FN)                            //预测对了百分之几？

精确度 p= TP/(TP+FP)                                                                      //找出的不好的里面，有多少是真的不好的？

召回率 R=TP/(TP+FN)                                                                      //所有的不好的里面，找出来了多少？

F1 ＝ (2*P*R)/(P+R)                                                                         //公式

二、举例：

一共有100个人考试，其中作弊的有20个人，没有作弊的有80个人。

现在有一个系统，能够预测作弊的情况。预测结果为：找到了50个人作弊。与标签对比后发现，这50个人里，有20个人确实作弊了，有30个人没有作弊。

模型准确率 ＝ 判断对的人数/总人数

                   ＝（作弊判断为作弊＋没作弊判断为没作弊）/总人数

                   ＝(20+50)/100

                   = 70%

模型精确度 ＝ 抓到的人里面，真作弊的占多少

                   ＝ 20/50

                   ＝ 40%

召回率        ＝ 真正作弊的人里面，找到了多少

                   ＝ 20 /20 

                   = 100%

F 1              = 2* 40% * 100% /(40%+100%)

                   =57.1%