简述概念

准确率（Accuracy）

准确率（ACC）, 所有预测正确的占总样本的比重。

精确率/查准率（Precision）

精确率（P）：精确率/查准率，表示正确预测为正的占全部预测为正的比例。对某一类别而言为正确预测为该类别的样本数与预测为该类别的总样本数之比。

召回率（Recall）

召回率/查全率，表示正确预测为正的占全部实际为正的比例。对某一类别而言为正确预测为该类别的样本数与该类别的总样本数之比。

F1值

F1值：F1值为精确率和召回率的调和平均数，值越大越好。

F1分数（F1 Score），是统计学中用来衡量二分类模型精确度的一种指标。它同时兼顾了分类模型的精确率和召回率。F1分数可以看作是模型精确率和召回率的一种调和平均，它的最大值是1，最小值是0。

详解概念

召回率/准确率部分

A + B -> 分类/预测/推荐的正确结果。

C + B -> 分类/预测/推荐的命中结果。

准确率 Precision = B  / (B + C) * 100% 代表命中的准确率。

召回率 Recall     = B  / (B + A) * 100% 代表命中的召回率。

准确率表示算法产出有多少结果是正确的。

召回率表示所有准确的条目中有多少被命中。

F-Measure 又称 F-Score, 其公式为：

当beta = 1时，就是F1-Score:

其中beta = 2时，F2值。更加注重召回率。

其中beta = 0.5时，F0.5值。更加注重准确率。

因此我们常用beta = 1时，F1值来综合考虑Precision和Recall，其值越高，通常表示算法性能越好。