precision and recall 例题

根据引用和引用的内容，precision（查准率）和recall（召回率）可以通过混淆矩阵中的TP、FP和FN来计算。TP表示将正样本预测为正样本，FP表示将负样本预测为正样本，FN表示将正样本预测为负样本。

假设有一个二分类问题，混淆矩阵如下所示：

预测(列) / 标签(行)   正样本   负样本
正样本                 TP        FN
负样本                 FP        TN

Precision（查准率）可以通过以下公式计算：

P = TP / (TP + FP)

Recall（召回率）可以通过以下公式计算：

R = TP / (TP + FN)

例如，对于混淆矩阵中的例子：

label:  0  0  1  0  1  1  0  1  0  1
predict: 1  0  1  0  0  1  0  0  0  1

可以计算得到：TP=3，FP=1，FN=2。

因此，Precision为P = 3 / (3 + 1) = 0.75，Recall为R = 3 / (3 + 2) = 0.6。

F1值是综合评价Precision和Recall的一个指标，可以通过以下公式计算：

F1 = 2 * (P * R) / (P + R)

所以F1值为F1 = 2 * (0.75 * 0.6) / (0.75 + 0.6) ≈ 0.67。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [二分类中的precision，recall，F1值计算(举例)](https://blog.csdn.net/buchidanhuang/article/details/100833055)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]