机器学习 之评估指标 召回率，查准率，F1分数(f1值)

预测样本中的预测正确的信息条数/总样本中所有的属于这类样本的信息条数 举例：
这里用鱼和虾举例 TP：
将鱼预测为鱼 FP:
将虾预测为鱼 FN:
将鱼预测虾 TN：
将虾预测为虾 召回率R = TP/(TP+FP) （正确预测鱼的信息条数/原样本中所有鱼的信息条数）

查准率：某一类 预测样本中的预测正确的信息条数/预测样本中所有的信息条数
查准率P = TP/(TP+FP) 不同于正确率
正确率：所有预测正确样本除以所有预测样本
准确率 = （TP+TN）/(TP+FP+FN+TN)

F1分数可以看作模型的查准率与召回率的加权平均 它的取值范围在
【0-1】 值越大说明模型越好。
例如：
有100个样本，其中1个正样本，99个负练样本，如果模型的预测输出只有0 ，那么正确率是99%，如果单单用查准率来衡量模型的好坏是具有偏见性的。

因为 0<召回率R<1
0<准确率P<1
所以 2*(R*P)<R+P
从而得到 取值范围为（0，1】

查准率 学习 召回率 f1 机器学习