某二分类器的预测结果为$\hat{y} = [0,1,0,1,0,1,1,1,0,1]$,实际标签为$y = [0,0,0,1,0,1,1,1,0,0]$,计算Accuracy, Precision、Recall和F1各是多少?
时间: 2023-10-06 14:10:42 浏览: 34
首先需要对预测结果和实际标签进行比较,可以得到以下混淆矩阵:
| | 预测为正例 | 预测为反例 |
|----|-----------|-----------|
| 实际为正例 | 4 | 2 |
| 实际为反例 | 1 | 3 |
根据混淆矩阵,可以计算出以下指标:
- Accuracy(准确率):分类器正确分类的样本数占总样本数的比例。
$$Accuracy = \frac{TP + TN}{TP + FP + TN + FN} = \frac{4 + 3}{4 + 2 + 1 + 3} = 0.7$$
- Precision(精确率):分类器正确预测为正例的样本数占所有预测为正例的样本数的比例。
$$Precision = \frac{TP}{TP + FP} = \frac{4}{4 + 2} = 0.67$$
- Recall(召回率):分类器正确预测为正例的样本数占所有实际为正例的样本数的比例。
$$Recall = \frac{TP}{TP + FN} = \frac{4}{4 + 1} = 0.8$$
- F1 Score(F1 分数):综合考虑 Precision 和 Recall 的一个指标。
$$F1 = \frac{2 \times Precision \times Recall}{Precision + Recall} = \frac{2 \times 0.67 \times 0.8}{0.67 + 0.8} = 0.727$$
因此,该分类器的 Accuracy 为 0.7,Precision 为 0.67,Recall 为 0.8,F1 Score 为 0.727。