NLP自然語言處理——文本分類之評價指標

一、準確率（Accuracy）

準確率關注整體效果，只適合均衡的數據。準確率公式如下：
$Accuracy=\frac{預測正確的樣本數}{總樣本數}$
數據不均衡時使用以下的評價指標。

二、精確率（Precision）

精確率關注模型預測得準不準。精確率公式如下：
$Precision=\frac{預測正確的樣本數}{預測出來的樣本數}$

三、召回率（Recall）

召回率關注模型預測得全不全。召回率公式如下：
$Recall=\frac{預測正確的樣本數}{標註的樣本數}$

四、F1

F1是一個綜合評價指標，同時考慮了精確率（precision）與召回率（Recall）。F1的公式如下：
$F1=\frac{2Precision \times Recall}{Precision+Recall}$

五、宏平均（macro-averaging）

分別計算每類標籤的評價指標，然後作算術平均。

參考文獻

1、Latex公式-Katex解析
2、百度AI Studio課程——AI快車道-PaddleNLP