详细理解准确率、精准率、召回率，F1值等评价指标的含义

转载文章 原博客地址：详解准确率、精确率、召回率、F1值等评价指标的含义 机器学习问题之中，通常需要建立模型来解决具体问题，但对于模型的好坏，也就是模型的泛化能力，如何进行评估？我们可以定一些评价指标，来度量模型的优劣。比如准确率、精确率、召回率、F1值、ROC、AUC等指标。 1. 混淆矩阵 介绍各个指标之前，我们先来了解一下混淆矩阵。假如现在有一个二分类问题，那么预测结果和实际结果两两结合会出

>>阅读原文<<