精准率、召回率、f1值及TP、TN、FP、FN通俗解释
TP(真正例)：预测正确，样本为正 TN(真反例)：预测正确，样本为负 FP(假正例)：预测错误，样本被预测为正，但样本实际为负 FN(假反例)：预测错误，样本被预测为负，但样本实际为正
精准率(Precision)：Precision= TP / ( TP + FP ) 表示预测为正例的样本中真正正例的比例。
召回率(Recall)：Recall= TP / ( TP + FN ) 表示预测为正例的真实正例占所有正例的比例。
f1值：f1= 2 * Precision * Recall / ( Precision + Recall )
区分： 召回率指真实值为正类的所有样本中，模型正确分为正类的比例。 精确率对反映了对分类为正类样本的样本，有多大的把握能够保证正确。 而召回率反映了实际是正类的样本有多大的比率被正确的区分。当精确率比较高的时候，召回率往往较低，反之亦然。 f1值是精确率和召回率的合成指标，综合了二者的结果，取值范围为 [0,1]，f1值越髙，代表模型的综合性能越好。
上一篇：
通过多线程提高代码的执行效率例子
下一篇：
新大一C语言程序设计与算法入门学习路线