46
模型在驗證集上的accuracy ,precision,recall ,F-score
先看四個概念定義：
- TP，True Positive
- FP，False Positive
- TN，True Negative
- FN，False Negative
如何理解記憶這四個概念定義呢？
舉個簡單的二元分類問題 例子：
假設，我們要對某一封郵件做出一個判定，判定這封郵件是垃圾郵件、還是這封郵件不是垃圾郵件？
如果判定是垃圾郵件，那就是做出（Positive）的判定；
如果判定不是垃圾郵件，那就做出（Negative）的判定。
True Positive（TP）意思表示做出Positive的判定，而且判定是正確的。因此，TP的數值表示正確的Positive判定的個數。
同理，False Positive（TP）數值表示錯誤的Positive判定的個數。
依此，True Negative（TN）數值表示正確的Negative判定個數。
False Negative（FN）數值表示錯誤的Negative判定個數。
precision = TP / (TP + FP)
recall = TP / (TP + FN)
accuracy = (TP + TN) / (TP + FP + TN + FN)
F1 Score = P*R/2(P+R)，其中P和R分別為 precision 和 recall
最後更新：2017-11-14 09:04:06