（1）precision（精確率）：被認為正的樣本中，實際上有多少是正的。
也就是說，該指標用於衡量：在**出來為正的樣本中，有多少是正確**的。
（2）recall（召回率）：原本為正的樣本中，有多少被找出來了。
也就是說，該指標用於衡量：在樣本空間中實際為正的樣本中，有多少被正確**出來。
可見，在上述兩式中，只有分母不同，乙個分母是**為正的樣本數，另乙個是原來樣本中所有的正樣本數。
（3）accuracy（準確率）：對整個樣本空間中的樣本分類正確的乙個比例。
統計tp、fp、tn、fn等指標資料可以用於計算精確率(precision)和召回率(recall)，根據精確率和召回率可以計算出f1值，微觀f1(micro-f1)和巨集觀f1(macro-f1)都是f1合併後的結果，是用於評價多分類任務的指標。
f1分數（f1-score、f1-measure），是分類問題的乙個衡量指標，用於權衡precision和recall，被定義為精確率和召回率的調和平均數。
第類的precision和recall可以表示為：
micro-f1計算方式：
（1）先計算出所有類別的總的precision和recall：
（2）然後利用f1計算公式計算出來的f1值即為micro-f1：
因為其考慮了各種類別的數量，所以更適用於資料分布不平衡的情況。在這種情況下，數量較多的類別對f1的影響會較大。
第類的precision和recall可以表示為：
macro-f1計算方式：
（1）對各類別的precision和recall求平均：
（2）然後利用f1計算公式計算出來的f1值即為macro-f1。
因為對各類別的precision和recall求了平均，所以並沒有考慮到資料數量的問題。在這種情況下，precision和recall較高的類別對f1的影響會較大。
多分類f1分數 如何計算多標籤分類中的F1測度？
我正在研究句子類別檢測問題。其中每個句子可以屬於多個類別，例如 it has great sushi and even better service.true label 0.0.0.0.0.1.0.0.0.0.0.1.pred label 0.0.0.0.0.1.0.0.0.0.0.1.corre...
R語言 多分類計算F1 score
tp 為正，實現為正 fp 為正，實現為負 fn 為負，實現為正 tn 為負，實現為負 準確率 tp tp fp 召回率 tp tp fn f1 score 2tp 2tp fp fn pre 的分類結果 y 真實的分類結果 f1 fun function pre,y f1 2 tp 2 tp fp...
專案1 分數的雛形
all right reserved.檔名稱 test.cpp 作 者 韓雙志 完成日期 2016年3月28日 版本號 v1.0 問題描述 完成分數類的設計，main 函式中除錯各成員函式，完成基本測試 輸入描述 輸入分數 輸出描述 輸出應有的選項 include using namespace s...