精确率(Precision)、召回率(Recall)、准确率（Accuracy）、F值(F-Measure)

版权声明：王家林大咖2018年新书《SPARK大数据商业实战三部曲》清华大学出版，微信公众号：从零起步学习人工智能 https://blog.csdn.net/duan_zhihua/article/details/86079932

精确率(Precision)、召回率(Recall)、准确率（Accuracy）、F值(F-Measure) 的理解：
 

例如：对图片猫、狗、兔子进行预测分类，如下图： 

图片为猫，预测分类是猫的图片数：5      
图片为猫，预测分类是狗的图片数：3
图片为猫，预测分类是兔子的图片数：0

图片为狗，预测分类是猫的图片数：2      
图片为狗，预测分类是狗的图片数：3
图片为狗，预测分类是猫的图片数：1

图片为兔子，预测分类是猫的图片数：0      
图片为兔子，预测分类是狗的图片数：2
图片为兔子，预测分类是兔子的图片数：11

		Actual class
		Cat	Dog	Rabbit
Predicted class	Cat	5	2	0
	Dog	3	3	2
	Rabbit	0	1	11

那么对于图片猫而言：

TP（True Positives）： 图片为猫，预测分类也是猫的图片数：5  
FP(False Positives):  图片不为猫，但是预测分类是猫的图片数：2+0=2
FN( False Negatives):  图片为猫，但预测分类不是猫的图片数：3+0=3
TN（True Negatives）：图片不为猫， 预测分类也不是猫的图片数：3+2+1+11=17

		Actual class
		Cat	Non-cat
Predicted class	Cat	5 True Positives	2 False Positives
	Non-cat	3 False Negatives	17 True Negatives

精确率= 5/ 5+2 = 5/7    

召回率= 5/ 5+3 = 5/8  

准确率= 5+17 / 5+17+2+3 = 22/27 

F值= 2*5 / 2*5 + 2+ 3 = 10 / 15    

更多的计算详情参考： https://en.wikipedia.org/wiki/Confusion_matrix

  

 cs224 的作业：