Accuracy、Precision、Recall、F1 Scores的相关概念？

首先Rocky介绍一下相关名词：

TP（True Positive）: 预测为正，实际为正

FP（False Positive）: 预测为正，实际为负

TN（True Negative）：预测为负，实际为负

FN（false negative）: 预测为负，实际为正

Accuracy、Precision、Recall、F1 Scores的公式如下所示：

Accuracy（准确率）：分类正确的样本数占样本总数的比例。

Precision（精准度/查准率）：当前预测为正样本类别中被正确分类的样本比例。

Recall（召回率/查全率）：预测出来的正样本占正样本总数的比例。

F1-score是Precision和Recall的综合。F1-score越高，说明分类模型越稳健。