「召回率」查准率，召回率，F1值

召回率

1、实际上非常简单，精确率是针对我们预测结果而言的，它表示的是预测为正的样本中有多少是真正的正样本。那么预测为正就有两种可能了，一种就是把正类预测为正类(TP)，另一种就是把负类预测为正类(FP)，也就是

$Precision = 提取出的准确信息数\p提取出的信息总数$

举个例子，一座猴山里有100只猴子，50只公猴子，50只母猴子。现在需要抓出来公猴子，于是一共取出来30只猴子，其中公猴子有20只。那么抓出公猴子的精准率就是： $20\p30=0.6667$

2、而召回率是针对我们原来的样本而言的，它表示的是样本中的正例有多少被预测正确了。那也有两种可能，一种是把原来的正类预测成正类(TP)，另一种就是把原来的正类预测为负类(FN)。

$Recall=提取出的正确信息数\p样本的信息条数$

还是在那座猴山里，同时还是要抓公猴子，取出来30只猴子，其中公猴子还是20只。那么抓出来公猴子的召回率就是： $20\p50=0.4$

当你想要公猴子时，我给你推荐了30只猴子，精准率就是66.7%，召回率就是40%。

3、P和R指标有时候会出现的矛盾的情况，这样就需要综合考虑他们，最常见的方法就是F-measure（又称为F-Score）。

F-Measure是Precision和Recall加权调和平均：

所以推荐给你的猴子到底靠不靠谱呢，看看最终结果。

$F=(2\times0.67\times0.4)\p(0.67+0.4)=0.5$

结果就表明，推荐给你的猴子里，有50%是你想要的公猴子。

原文：https://blog.csdn.net/yaoweijiao/article/details/70054340

参考链接https://www.cnblogs.com/mlan/p/8361400.html

文章最后发布于: 2019-05-18 17:58:26