機器學習中的評價指標

關於這一部分，我將在遇到的時候，進行簡要的說明和介紹，之講解最重點的部分，其它的可以查閱相關文獻和博主的文章。

1.關於 P、R 值

這應該是機器學習中最常用的兩個統計量了，我們要計算它，無非就要計算混淆矩陣，最簡化的版本是下面的4項版本。

該表的4項在計算時，第二項表示的是預測值，而第一項則與真實值取同或，相同為 True，不同則為 False。 基於此表，我們可以求取各種物理量，最常用的是P(精度), R(召回率)和 accuracy(準度)。一下分別為其計算公式 ：

P = TP/TP+FP R = TP/TP+FN Accuracy = TP+TN/TP+FN+FP+TN

其含義相對來說很好理解，就不贅述了。

2.F值的計算

F 的計算是 P和 R 的加權調和平均，怎麼理解它呢，為什麼要用這種形式呢。其實仔細看不難發現，證據常用的 F1值，其實它的公式就類似電阻並聯的公式：

F=2PR/P+R

3.其它

基於這些統計量，還有其它很多衍生的指標以及曲線，用於刻畫不同的效能，常用的有 PR 曲線，AOC 曲線等等，這些並不複雜，用時再查閱即可。

4.參考

5.附錄