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

如何了解記憶這四個概念定義呢？

舉個簡單的二進制分類問題 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，而且判定是正确的。是以，TP的數值表示正确的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）數值表示正确的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分别為 precision 和 recall