转载 --- SKLearn中预测准确率函数介绍

混淆矩阵 confusion_matrix
下面将一一给出‘tp’，‘fp’，‘fn’的具体含义：

准确率： 所有识别为”1”的数据中，正确的比率是多少。
如识别出来100个结果是“1”， 而只有90个结果正确，有10个实现是非“1”的数据。 所以准确率就为90%

召回率： 所有样本为1的数据中，最后真正识别出1的比率。
如100个样本”1”, 只识别出了93个是“1”， 其它7个是识别成了其它数据。 所以召回率是93%
F1-score: 是准确率与召回率的综合。 可以认为是平均效果。

详细定义如下：
对于数据测试结果有下面4种情况：
TP: 预测为正， 实现为正
FP: 预测为正， 实现为负
FN: 预测为负，实现为正
TN: 预测为负， 实现为负

准确率： TP/ (TP+FP)
召回率： TP(TP + FN)
F1-score: 2TP/(2TP + FP + FN)

下面是一篇给这函数详细解释的博客，拿来学习一下：
参考地址：http://blog.csdn.net/vesper305/article/details/44927047