基本概念介紹
根據查準率和查全率的定義，有以下4組概念：
正確肯定（True Positive,TP）：預測爲正，實際爲正
正確否定（True Negative,TN）：預測爲負，實際爲假負
錯誤肯定（False Positive,FP）：預測爲正，實際爲假負
錯誤否定（False Negative,FN）：預測爲負，實際爲正
下面這個表格，可以說是很著名了~
查準率precision，研究對象是預測爲正的所有，所以分母是TP+FP
查全率recall，研究對象是實際值爲正的所有，所以分母是TP+FN
BY THE WAY, precision和recall都是越高越好
precision和recall的權衡
在預測惡性腫瘤的例子中，使用邏輯迴歸的方法，假設患有腫瘤的標籤是
一般情況下，閾值設爲0.5
我們有已經訓練好的模型和一堆測試集
- 提高precision
從公式的角度，提高pre即是減小FP，減小FP可以通過提高閾值比如提升到0.7，用通俗的話來講，即只有在很高的把握時，纔會判斷病人得了腫瘤
但是，提高了閾值，隨之而來的問題是，會有實際患腫瘤但是不被預測到，FN增加，recall會下降 - 提高recall
從公式的角度，提高recall即是減小FN，減小FN可以通過減小閾值到0.3，用通俗的話來講，即不想有漏網之腫瘤
但是，減小了閾值，隨之而來的問題是，會有不患腫瘤被預測爲患有腫瘤，FP增加，recall會下降
通過以上分析，precision和recall之間是一個trade-off關係，下圖用圖表來展現這種關係。線的具體形狀有很多種，藍色、粉色、紅色都有可能。當閾值很大時，pre增加，recall減小
如何選擇閾值——F1係數
有一個幫助我們選擇這個閥值的方法。一種方法是計算F1 值（F1 Score）
選擇使得F1值最高的閥值