记正样本为P，负样本为N，下表比较完整地总结了准确率accuracy、精度precision、召回率recall、F1-score等评价指标的计算方式：

 （右键点击在新页面打开，可查看清晰图像）

简单版：

precision = TP / (TP + FP)   # 预测为正的样本中实际正样本的比例recall = TP / (TP + FN)      # 实际正样本中预测为正的比例accuracy = (TP + TN) / (P + N)F1-score = 2 / [(1 / precision) + (1 / recall)]

 

from sklearn.metrics import accuracy_score, precision_score, recall_scoredef cul_accuracy_precision_recall(y_true, y_pred, pos_label=1):    return {
   "accuracy": float("%.5f" % accuracy_score(y_true=y_true, y_pred=y_pred)),            "precision": float("%.5f" % precision_score(y_true=y_true, y_pred=y_pred, pos_label=pos_label)),            "recall": float("%.5f" % recall_score(y_true=y_true, y_pred=y_pred, pos_label=pos_label))}

 

***********************************************************************************************************************************

（下面写的内容纯属个人推导，如有错误，望指正）

一般来说，精度和召回率是针对具体类别来计算的，例如：

precision(c1) = TP(c1) / Pred(c1) = TP(c1) / [TP(c1) + FP(c2=>c1) + FP(c3=>c1)]recall(c1) = TP(c1) / True(c1) = TP(c1) / [TP(c1) + FP(c1=>c2) + FP(c1=>c3)]

 

有时需要衡量模型的整体性能，有：

total_precision = sum[TP(ci)] / sum[Pred(ci)] = [TP(c1) + TP(c2) + TP(c3)] / len(Pred)total_recall = sum[TP(ci)] / sum[True(ci)] = [TP(c1) + TP(c2) + TP(c3)] / len(True)total_accuracy = sum[TP(ci)] / total_num = [TP(c1) + TP(c2) + TP(c3)] / total_num

其中i取值自[1,2,...,n]

到这里很惊讶地发现，针对整体而言，一般有 len(Pred) == len(True) == total_num 

也就是说， total_precision == total_recall == total_accuracy ，所以衡量模型整体性能用其中一个就可以了

 

针对概率输出型的的模型，很多时候会通过设置阈值梯度，得到映射关系 F(threshold) ==> (precision, recall) 

在卡阈值的情况下，除了total_precision，还可以计算一个广义召回率：

generalized_recall =  sum[TP(ci)] / sum[True(ci)] = [TP(c1) + TP(c2) + TP(c3)] / [len(True) + OutOfThreshold]

其中OutOfThreshold表示因低于指定阈值而被筛选去掉的样本数。

 

参考：