准确率，精确率，召回率和F1分数的计算公式

准确率（Accuracy）、精确率（Precision）、召回率（Recall）和F1分数（F1 Score）都是衡量分类模型性能的重要指标，特别是处理不平衡数据集时。以下是它们各自的计算公式：

1. **准确率（Accuracy）**:
- \( Accuracy = \frac{TP + TN}{TP + FP + TN + FN} \)
其中 TP（True Positive）表示真正例，FP（False Positive）表示误报，TN（True Negative）表示真负例，FN（False Negative）表示漏报。

2. **精确率（Precision）**:
- \( Precision = \frac{TP}{TP + FP} \)
精确率表示预测为正例的样本中有多少是真正的正例。

3. **召回率（Recall）**:
- \( Recall = \frac{TP}{TP + FN} \)
召回率表示实际为正例的样本中，有多少被正确识别为正例。

4. **F1分数（F1 Score）**:
- \( F1 Score = 2 \times \frac{Precision \times Recall}{Precision + Recall} \)
F1分数是一个综合了精确率和召回率的指标，它考虑到两者之间的平衡，尤其适用于需要权衡这两个因素的情况。