混淆矩阵、F1score详解

Confusion Matrix混淆矩阵

混淆矩阵（Confusion Matrix）

在这里插入图片描述

TP（True Positives)：真正例，预测为正例而且实际上也是正例；
FP（False Positives)：假正例，预测为正例然而实际上却是负例；
FN（false Negatives)：假负例，预测为负例然而实际上却是正例；
TN（True Negatives)：真负例，预测为负例而且实际上也是负例。

如上图所示：

绿色框中实际上不是猫但预测结果是猫，这属于把负预测成正为FP；1
红色框中实际上不是猫且预测结果也不是猫，这属于把负预测成负为TN；4
黄色框中实际上是猫且预测结果也是猫，这属于把正预测成正为TP；3
蓝色框中实际上是猫但预测结果不是猫，这属于把正预测成负为FN；2

准确率(accuracy)：

所有预测正确的样本（包含正例或负例均预测正确，即正例预测为正TP或负例预测为负TN）占总样本的比例。
在这里插入图片描述
由图例上可知总样本（10个）中预测正确的有七个，准确率为7/10=70%。

虽然准确率能够判断总的正确率，但是在样本不均衡的情况下，并不能作为很好的指标来衡量结果。在样本不平衡的情况下，得到的高准确率没有任何意义，此时准确率就会失效。

精确率（也叫查准率，precision)

预测为正的正例样本与全部预测为正例的样本（对于预测而言，包括真正例TP，假正例FP）的比值。即正确预测为正的占全部预测为正的比例，（真正正确的占所有预测为正的比例）
在这里插入图片描述
由上图例可知预测为正的样本中（4个）实际为正的由3个，精确率为3/4 = 75%。

我们关心的主要部分是正例，所以查准率就是相对正例的预测结果而言，正例预测的准确度。直白的意思就是模型预测为正例的样本中，其中真正的正例占预测为正例样本的比例，用此标准来评估预测正例的准确度。精确率代表对正样本结果中的预测准确程度，准确率则代表整体的预测准确程度，包括正样本和负样本。

即Precision是针对预测结果而言的。预测结果中，预测为正的样本中预测正确的概率。**类似于一个考生在考卷上写出来的答案中，正确了多少。**体现模型的精准度，模型说：我说哪个对哪个就是对的。

召回率（也叫查全率，recall）

预测为正的正例占全部实际为正例的样本（可能将实际正例预测为正例即真正例TP，也可能实际正例预测为负例即假负例FN）的比例（真正正确的占所有实际为正的比例）
以实际样本为判断依据，实际为正例的样本中，被预测正确的正例占总实际正例样本的比例。
在这里插入图片描述
由上图例知实际为正的样本(5个)中预测为正的正样本为3个，召回率：3/5 = 60%。

Recall是针对数据样本而言的。数据样本中，正样本中预测正确的概率。**类似于一个考生在考卷上回答了多少题。**体现一个模型的全面性，模型说：所有对的我都能找出来。

F1-score

F-score 是一种用于评估二分类模型性能的指标，分别从两个角度，结合了模型的精确度（Precision）和召回率（Recall），主观（Predicted）和客观（Actual）上去综合的分析TP够不够大，帮助我们综合考虑模型的预测准确性和对正样本的捕捉能力。

FP/TP影响的是主观判断上TP够不够分量，也就是主观上TP这个值到底够不够大
FN/TP影响的是客观判断上TP够不够分量，也就是客观上TP这个值到底够不够大

精确率和召回率互相影响，理想状态下肯定追求两个都高，但是实际情况是两者相互“制约”：
追求精确率高，则召回率就低；追求召回率高，则通常会影响精确率。
我们当然希望预测的结果精确率越高越好，召回率越高越好， 但事实上这两者在某些情况下是矛盾的。
这样就需要综合考虑它们，最常见的方法就是F-score。 也可以绘制出P-R曲线图，观察它们的分布情况。
F1值为算数平均数除以几何平均数，且越大越好，将Precision和Recall的上述公式带入会发现，
当F1值小时，True Positive相对增加，而false相对减少，
即Precision和Recall都相对增加，即F1对Precision和Recall都进行了加权。

可以思考F1什么时候趋近于1，什么时候趋近于0？
在这里插入图片描述
由上图例可知F1= (23) / (23 + 1 + 2) = 66.6%。