准确率、精确率、召回率、F—score比较

举例来说，用血压值来检测一个人是否有高血压，测出的血压值是连续的实数（从0~200都有可能），以收缩压140／舒张压90为阈值，阈值以上便诊断为有高血压，阈值未满者诊断为无高血压。二元分类模型的个案预测有四种结局：

1. 真阳性（true positive， TP）：诊断为有， 实际上也有高血压；
2. 伪阳性（false positive，FP）：诊断为有，实际却没有高血压；
3. 真阴性（true negative，TN）：诊断为没有，实际上也没有高血压；
4. 伪阴性（false negative，FN）：诊断为没有，实际上却有高血压
   
   1. 准确率（accuracy）, 所有的预测正确（正类负类）的占总的比重。
   
   2. 精确率（也叫查准率，precision), 即正确预测为正的占全部p预测的比例，（真正正确的占单个对象所有预测的比例）
   
5. 召回率（recall）, 即正确预测为正的占全部预测的比例）
   
6. F-score值，F1值为算数平均数除以几何平均数，且越大越好，将Precision和Recall的上述公式带入会发现，当F1值小时，True Positive相对增加，而false相对减少，即Precision和Recall都相对增加，即F1对Precision和Recall都进行了加权。

总结：准确率： 表示的是 预测为真 / 所有预测的可能
精确率：表示的是 预测p为真 / 预测的所有p的值
召回率：表示的是 预测p为真 / 预测的所有值
F—measure : 值越高，效果越好

最后

以上就是怕孤单绿茶为你收集整理的准确率、精确率、召回率、F—score比较的全部内容，希望文章能够帮你解决准确率、精确率、召回率、F—score比较所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。