在机器学习中，对于一个模型的性能评估是必不可少的。准确率(Accuracy)、查准率(Precision)、查全率(Recall)是常见的基本指标。
为了方便说明，假设有以下问题场景：
一个班有50人，在某场考试中有40人及格，10人不及格。
现在需要根据一些特征预测出所有及格的学生。
某一模型执行下来，给出了39人，其中37人确实及格了，剩下2人实际上不及格。
样本
要了解这些指标的含义，首先需要了解两种样本：
-
正样本：即属于某一类（一般是所求的那一类）的样本。在本例中是
及格的学生。 -
负样本：即不属于这一类的样本。在本例中是
不及格的学生。
识别结果
于是我们可以得到下面一张表：
| 正类 | 负类 | |
|---|---|---|
| 被检索 | True Positive | False Positive |
| 未检索 | False Negative | True Negative |
-
TP：被检索到正样本，实际也是正样本（正确识别）
在本例表现为：预测及格，实际也及格。 -
FP：被检索到正样本，实际是负样本（一类错误识别）
在本例表现为：预测及格，实际不及格。 -
FN：未被检索到正样本，实际是正样本。（二类错误识别）
在本例表现为：预测不及格，实际及格了。 -
TN：未被检索到正样本，实际也是负样本。（正确识别）
在本例表现为：预测不及格，实际也不及格。
指标计算
有了上述知识，就可以计算各种指标了。
Accuracy（准确率）
分类正确的样本数 与 样本总数之比。即：(TP + TN) / ( ALL ).
在本例中，正确分类了45人（及格37 + 不及格8），所以 Accuracy = 45 / 50 = 90%.
Precision（精确率、查准率）
被正确检索的样本数 与 被检索到样本总数之比。即：TP / (TP + FP).
在本例中，正确检索到了37人，总共检索到39人，所以 Precision = 37 / 39 = 94.9%.
Recall （召回率、查全率）
被正确检索的样本数 与 应当被检索到的样本数之比。即：TP / (TP + FN).
在本例中，正确检索到了37人，应当检索到40人，所以 Recall = 37 / 40 = 92.5%.
为什么要不同的指标
根据上边公式的不同，可以借此理解不同指标的意义。
准确率是最常用的指标，可以总体上衡量一个预测的性能。但是某些情况下，我们也许会更偏向于其他两种情况。
「宁愿漏掉，不可错杀」
在识别垃圾邮件的场景中可能偏向这一种思路，因为我们不希望很多的正常邮件被误杀，这样会造成严重的困扰。
因此，Precision 将是一个被侧重关心的指标。
「宁愿错杀，不可漏掉」
在金融风控领域大多偏向这种思路，我们希望系统能够筛选出所有有风险的行为或用户，然后交给人工鉴别，漏掉一个可能造成灾难性后果。
因此，Recall 将是一个被侧重关心的指标。
综合评价 (F-Score)
更多时候，我们希望能够同时参考 Precision 与 Recall，但又不是像 Accuracy 那样只是泛泛地计算准确率，此时便引入一个新指标 F-Score，用来综合考虑 Precision 与 Recall.
其中 β 用于调整权重，当 β=1 时两者权重相同，简称为 F1-Score.
若认为 Precision 更重要，则减小 β，若认为 Recall 更重要，则增大 β.
