談談召回率（R值），準確率（P值）及F值

一直總是聽說過這幾個詞，但是很容易記混，在這里記錄一下。希望對大家理解有幫助。

首先來做一個總結：

精確率是針對我們預測結果而言的，它表示的是預測為正的樣本中有多少是真正的正樣本。

召回率是針對我們原來的樣本而言的，它表示的是樣本中的正例有多少被預測正確了。

用公式表達如下：

上面還是有點抽象，下面通過例子來解釋一下上面說法：

準確率（P值）

假設我此時想吃香蕉，實驗室里面每天都會安排10個水果，水果種類分別是6個香蕉，3個橘子，1個菠蘿。哎，但是，實驗室主任搞事情啊，為了提高我們吃水果的動力與趣味，告訴我們10個水果放在黑盒子中，每個人是看不到自己拿的什么，每次拿5個出來，哎，我去抽了，抽出了2個香蕉，2個橘子，1個菠蘿。

下面我們來分別求求P值，R值，F值，哈哈！

按照一開始說的，精確率是針對我們預測結果而言的，它表示的是預測為正的樣本中有多少是真正的正樣本。

這里我們的正樣本就是我想吃的香蕉！

在預測結果中，有2個香蕉，總個數是我拿的5個，那么P值計算如下：

P = 2/5

召回率（R值）

按照開始總結所說。

召回率是針對我們原來的樣本而言的，它表示的是樣本中的正例有多少被預測正確了。

我們這里的正類是我想吃的香蕉，而在樣本中的香蕉個數是6個，召回率的召回也可以這么理解，代表了，原始樣本中正類召回了多少。R值計算如下：

R  = 2/6

分母已經變成了樣本中香蕉的個數啦

F值

可能很多人就會問了，有了召回率和準去率這倆個評價指標后，不就非常好了，為什么要有F值這個評價量的存在呢？

按照高中語文老師所說的，存在即合理的說法，既然F值存在了，那么一定有它存在的必要性，哈哈哈哈！

我們在評價的時候，當然是希望檢索結果Precision越高越好，同時Recall也越高越好，但事實上這兩者在某些情況下有矛盾的。

比如極端情況下，在我們這個例子中，我們只搜索出了一個結果，且是香蕉，那么Precision就是100%，但是Recall為1/6就很低；而如果我們抽取10個水果，那么比如Recall是100%，但是Precision為6/10，相對來說就會比較低。

因此P和R指標有時候會出現的矛盾的情況，這樣就需要綜合考慮他們，最常見的方法就是F-Measure，通過計算F值來評價一個指標！

我這里給出最常見的F1計算方法，如下：

F1 = （2*P*R）/(P+R)

F那么在我們這個例子中F1 = (2*2/5*2/6)/(2/5+2/6)(這里我就不算出來了，有這個形式，更加能體現公式特點！)