2018-03-13

## 机器学习评估系统

机器学习(ML),自然语言处理(NLP),信息检索(IR)等领域,评估(Evaluation)是一个必要的工作,而其评价指标往往有如下几点:准确率(Accuracy),精确率(Precision),召回率(Recall)和F1-Measure。

|      | 正类(positive)    | 负类(negative)    |

| :---- | ------------------ | ----------------- |

| True  | TP                | TN                |

| False | FP（Type I Error） | FN(Type II Error) |

精确率(Precision)：Precision is the number of document retrieved that are relevant

$$

P=\frac{TP}{TP+FP}

$$

所有被划分为正样本中正确的比例。高精确率意味着分类中垃圾很少。

召回率(recall)：Recall is the number of relevant document that are retrieved.

$$

R=\frac{TP}{TP+FN}

$$

所有的正样本中被正确分类所占的比例，高召回率意味着很少有相关的数据被遗漏。

F1-measure :F1值就是精确值和召回率的调和均值

$$

\frac{1}{F1}=\frac{1}{P}+\frac{1}{R}

$$


[1]https://towardsdatascience.com/model-evaluation-i-precision-and-recall-166ddb257c7b

[2]https://blog.argcv.com/articles/1036.c