是什麼?評估分類器的常用概念----準確率,精確率,召回率

Level1: 

分類問題最早只是二分類問題,最初只有這幾個概念:"真正例","真負例","假正例","假負例".

TP: 樣本標籤爲1,模型預測爲1	FP: 樣本標籤爲1,模型預測爲-1
TN: 樣本標籤爲-1,模型預測爲-1	FN:樣本標籤爲-1,模型預測爲1

  

Level2:

準確率acc, 通俗的說就是 acc=預測正確的樣本數/總樣本數

　　

精確率precision, 通俗得說就是隻看正樣本, prec = 正樣本中被分類器正確檢測出來的百分比

　　

召回率roc, 被分類器判成正樣本的樣本中確實是正樣本的百分比

　　

Level3:

F1-score:

　　F1= 2 * (precision*recall) / (precision+recall)

Fbeta-score

　　Fbeta = (1+beta^2) * (precision*recall)  / (recall+precision*beta^2)