准确率（accuracy），精确率（Precision），召回率（Recall）和综合评价指标（F1-Measure ）----转

原文：http://blog.csdn.net/t710smgtwoshima/article/details/8215037

 

Recall(召回率);Precision（准确率）;F1-Meature（综合评价指标）;

 

    在信息检索(如搜索引擎)、自然语言处理和检测分类中经常会使用这些参数，介于语言翻译上的原因理解难免出现误差，下面介绍下自己对他们的理解。

 

首先来个定义：

Precision:被检测出来的信息当中 正确的或者相关的（也就是你想要的）信息中所占的比例；

Recall：所有正确的信息或者相关的信息(wanted)被检测出来的比例。

F1-Meature后面定义。

 

查了资料都习惯使用四格图来解释,来个易懂的四格图：

	正确的、相关的（wanted）	不正确的、不相关的
检测出来的	true  positives (纳真tp)	false  positives（纳伪fp）
未检测出来的	false  negatives（去真fn）	true  negatives  (去伪tn)

 

 

表格中的翻译比较重要，可以帮助理解。

true positives (纳真)    false positives（纳伪）

false negatives（去真）true negatives  (去伪)

其中false positives（纳伪）也通常称作误报，false negatives也通常称作漏报！

 

Precision =   tp/(tp + fp);

Recall = tp / (tp + fn).

同样还有另外两个定义

然而在实际当中我们当然希望检索的结果P越高越好，R也越高越好；事实上这两者在某些情况下是矛盾的。比如，我们只搜出了一个结果，且是准确的，那么P就是100%，但是R就很低；而如果我们把所有结果都返回，那么必然R是100%，但是P很低。因此在不同的场合中需要自己判断希望P比较高还是R比较高。如果是做实验，可以绘制Precision-Recall曲线来帮助分析。

F-Measure是Precision和Recall加权调和平均：

当参数a=1时，就是最常见的F1了：

很容易理解，F1综合了P和R的结果，当F1较高时则比较说明实验方法比较理想。

二、

自然语言处理(ML),机器学习(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。

本文将简单介绍其中几个概念。中文中这几个评价指标翻译各有不同，所以一般情况下推荐使用英文。

现在我先假定一个具体场景作为例子：

假如某个班级有男生80人,女生20人,共计100人.目标是找出所有女生.
现在某人挑选出50个人,其中20人是女生,另外还错误的把30个男生也当作女生挑选出来了.
作为评估者的你需要来评估(evaluation)下他的工作

将挑选结果用 矩阵示意表来表示 ： 定义TP,FN,FP,TN四种分类情况

	相关(Relevant),正类	无关(NonRelevant),负类
被检索到(Retrieved)	TP 系统检索到的相关文档,例"其中20人是女生"	FP 系统检索到的不相关文档,例”错误把30个男生当女生“
未被检索到(Not Retrieved)	FN 相关系统未检索到的文档,例"未挑0人是女生"	TN 相关但是系统没有检索到的文档,例”未挑50人非女生“

准确率(accuracy)的公式是,其定义是: 对于给定的测试数据集，分类器正确分类的样本数与总样本数之比。也就是损失函数是0-1损失时测试数据集上的准确率

A = (20+50) / 100 = 70%

精确率(precision)的公式是,它计算的是所有被检索到的item中,"应该被检索到"的item占的比例。

P = 20 / (20+30) = 40%

召回率(recall)的公式是,它计算的是所有检索到的item占所有"应该检索到的item"的比例。

R = 20 / (20 + 0) = 100%

综合评价指标(F-Measure)是Precision和Recall加权调和平均：

当参数a=1时，就是最常见的F1了：

P和R指标有的时候是矛盾的,综合考虑精确率(precision)和召回率(recall)这两个度量值。很容易理解，F1综合了P和R的结果，当F1较高时则比较说明实验方法比较理想。

F1 = 2*0.4*1 / （0.4 + 1） = 57%