机器学习基础

理解准确率，精确率，召回率

例子：假设我们手上有60个正样本，40个负样本，我们要找出所有的正样本，系统查找出50个，其中只有40个是真正的正样本，计算上述各指标。那么：

|----60---|----40---| |-20-|-40-|-10-|-30-| | -❌-|-✔️-| -❌-|-✔️-| |-FN-|-TP-|-FP-|-TN-|

• FN：将正类预测为负类数 20（默认预测错误❌）
• TP：将正类预测为正类数 40（预测正确✔️）
• TP + FN 是真正的正样本
• FP：将负类预测为正类数 10（预测错误❌）
• TP + FP 是所有预测的样本
• TN：将负类预测为负类数 30（默认预测正确✔️）
• FP + TN 是真正的负样本

准确率（accuracy），预测对的/所有的，也就是$\frac{TP+TN}{TP+FN+FP+TN}=\frac{40+30}{20+40+10+30}=70\mathrm{\%}$

精确率（precision)），预测对的/所有预测的，也就是$\frac{TP}{TP+FP}=\frac{40}{40+10}=80\mathrm{\%}$

召回率（recall），预测对的/所有对的，也就是$\frac{TP}{TP+FN}=\frac{40}{60}=\frac{2}{3}$

reference

https://zhaokv.com/machine_learning/2016/03/ml-metric.html