机器学习算法的结果评估的几个概念

• 精确率、召回率、F1值

先看几个名词解释: TP (True Postive)：本来是正样本 ，被模型预测为正样本

TN (True Negative): 本来是负样本，被模型预测为负样本

FP (False Postive): 本来是负样本，被模型预测为正样本

FN (False Negative): 本来是正样本，被模型预测为负样本

精准率 = TP / (TP + FP)

召回率 = TP / (TP + FN)

F1 = 2 * 精准率 * 召回率 / (精准率 + 召回率)

F1值是表达精准率和召回率的综合评估