精确率、召回率、F1值

分类问题（classification）

预备知识

T是True，F是False，P是positive，N是negetive
TP ——将正类预测为正类的数量（解释为：预测正确，预测成正类，所以说明原来是个正类）
FN ——将正类预测为负类的数量（预测错误，预测成负数，所以说明原来是个正类，其实有那种负负得正的感觉）
FP ——将负类预测成正类的数量
TN ——将负类预测成负类的数量

三个概念

一、精确率:就是有多少正类是被分对的
P=TP/(TP+FP),TP+FP是预测出来是正类的总数

二、召回率：在实际正类中，有多少正类被模型发现了
R = TP/(TP+FN),TP+FN是原来本身就是正类的总数
（粗暴点理解就是：原来有对的这么多个，你只发现了这几个）

三、F1分数（F1 Score），是统计学中用来衡量二分类模型精确度的一种指标。
2/F1 = 1/P+1/R
F1 = 2TP/(2TP+FP+FN)