准确率、召回率、f1指标计算的区别

准确率 (Accuracy)、召回率 (Recall) 和 F1 分数

• $TP$ (True Positive): 真正例（正类被正确预测为正类）
• $TN$ (True Negative): 真负例（负类被正确预测为负类）
• $FP$ (False Positive): 假正例（负类被错误预测为正类）
• $FN$ (False Negative): 假负例（正类被错误预测为负类）

准确率 (Accuracy)

• 定义: 准确率是模型正确预测的样本占总样本的比例。

• 公式:
  $$\text{Accuracy}=\frac{TP+TN}{TP+TN+FP+FN}$$

• 应用: 准确率适用于样本类分布均衡的情况，即正类和负类样本数量大致相同。它在类不平衡的情况下可能会产生误导性的结果。

召回率 (Recall)

• 定义: 召回率是模型正确预测的正类样本占实际正类样本的比例。
• 公式:
  Recall=TPTP+FN \text{Recall} = \frac{TP}{TP + FN} Recall=