		真实类别
		1 Positive	0 Negative
预测类别	1 Positive	True Positive 真阳性	False Positive 假阳性
预测类别	0 Negative	False Negative 假阴性	True Negative 真阴性

混淆矩阵

混淆矩阵（Confusion Matrix）是将四种情况各自预测结果的计数，以矩阵形式表示出来。

( T N F P F N T P ) \begin{pmatrix} TN & FP \\ FN & TP \end{pmatrix} (TNFNFPTP)

准确率

准确率（Accuracy）是指所有预测中预测准确的比例：

A c c u r a c y = T P + T N T P + T N + F P + F N Accuracy = {TP + TN \over TP + TN + FP + FN} Accuracy=TP+TN+FP+FNTP+TN

精确率

精确度（Precision）是指正确预测阳性占所有预测为阳性的比例：

P r e c i s i o n = T P T P + F P Precision = {TP \over TP + FP} Precision=TP+FPTP

召回率

召回率（Recall）是指正确预测的阳性占所有事实是阳性的比例：

R e c a l l = T P T P + F N Recall = {TP \over TP + FN} Recall=TP+FNTP

F1评分

F1分数（F1 Score），是统计学中用来衡量二分类模型精确度的一种指标。它同时兼顾了分类模型的精确率和召回率。F1分数可以看作是模型精确率和召回率的一种调和平均，它的最大值是1，最小值是0。

F 1 = 2 R e c a l l ∗ P r e c i s i o n R e c a l l + P r e c i s i o n = 2 T P 2 T P + F N + F P F1 = 2{ Recall * Precision \over Recall + Precision} = { 2TP \over 2TP + FN + FP } F1=2Recall+PrecisionRecall∗Precision=2TP+FN+FP2TP

推导过程

F 1 = 2 R e c a l l ∗ P r e c i s i o n R e c a l l + P r e c i s i o n = 2 T P T P + F N ∗ T P T P + F P T P T P + F N + T P T P + F P = 2 ∗ T P 2 ( T P + F N ) ( T P + F P ) T P 2 + T P ∗ F P + T P 2 + T P ∗ F N ( T P + F N ) ( T P + F P ) = 2 ∗ T P 2 2 T P 2 + T P ∗ F P + T P ∗ F N = 2 T P 2 T P + F N + F P F1 = 2{ Recall * Precision \over Recall + Precision} \\ = 2{ {TP \over TP + FN} * {TP \over TP + FP} \over {TP \over TP + FN} + {TP \over TP + FP} } \\ = 2 * { {TP^2 \over (TP + FN)(TP + FP)} \over {TP^2 + TP*FP + TP^2 + TP*FN \over (TP + FN)(TP + FP)} } \\ = 2 * { TP^2 \over 2TP^2 + TP*FP + TP*FN } \\ = { 2TP \over 2TP + FN + FP } F1=2Recall+PrecisionRecall∗Precision=2TP+FNTP+TP+FPTPTP+FNTP∗TP+FPTP=2∗(TP+FN)(TP+FP)TP2+TP∗FP+TP2+TP∗FN(TP+FN)(TP+FP)TP2=2∗2TP2+TP∗FP+TP∗FNTP2=2TP+FN+FP2TP