这几天在看有关ABSA论文的代码，而代码跑出来的结果除了有输出loss的值以外还有一个acc的值和一个F1的值。查看了网上对于一些博客以后，对于模型的这三个评价指标有了一个新的认识，因此在这里我写出了自己的认识。

1.混淆矩阵

提到召回率，准确率，精确率和F1值，我就不得不提一下什么叫做混淆矩阵。

混淆矩阵说简单一点就是一个矩阵。一个什么样的矩阵呢？一个关于预测值和真实值得一个矩阵。

（Tips：为了方便理解，下面会以一个二分类问题作为讲解）

这个句子的情感是不是积极的	实际值（1：积极，0：不积极）	预测结果	是否正确
你是sb啊！	0	1	×
你是sb吧！	0	0	√
你是sb吗？	0	0	√
你真棒啊！	1	1	√
你真棒棒！	1	1	√
你可真棒！	1	0	×

可以上面是一个关于句子情感的二分类的一个表格。第一列我们可以看到一共有6条句子，第二列则是6条句子所对应的情感，3条句子具有否定的情感，3条句子具有肯定的情感。第三列则是机器对于6条句子情感的判断，最后一列则是判断的正确与否。因此通过上述表格我们便可以做出一个相应的混淆矩阵。

	实际：正	实际：负
预测：正	2	1
预测：负	1	2

、

我们可以看到：

在表格中对应“预测：正，实际：正”的值为2，它所对应到的句子是“你真棒啊！”和“你真棒棒”这两句，故值为2。

在表格中对应“预测：正，实际：负”的值为1，它所对应到的句子是“你是sb啊！”这一句，故值为1。

在表格中对应“预测：负，实际：正”的值为1，它所对应到的句子是“你可真棒！”这一句，故值为1。

在表格中对应“预测：负，实际：负”的值为2，它所对应到的句子是“你是sb吧！”和“你是sb吗？”这两句，故值为2。

介绍完混淆矩阵后，这里我们还需要介绍另一个概念——TP,FP,TN,FN的概念。

TP:True Positive FP:False Positive TN:True Negative FN:False Negative

Tips：这里的True和False指的是机器预测的正确与否。Positive和Negative指的是机器的预测。

2.召回率（rec）

召回率也叫查全率，旨在找到实际为正的样本中多少被预测为正。

公式：

拿上面的举例来说，这里TP为2，FN为1，所以p=2/(1+2)

3.准确率（acc）

旨在知道总样本中预测对的概率。

公式：

拿上面的举例来说，这里TP为2，TN为2，所以p=（2+2)/6

4.精确率

精确率又叫查准率，旨在预测为正的样本中时间为正的有多少。

公式：

拿上面的举例来说，这里TP为2，FP为1，所以p=2/(1+2)

5.F1值

F1是为了既能体现精确率又能体现召回率的一个评价指标。

公式：

拿上面的举例来说，F1=2/3

召回率（rec），准确率（acc），精确率（pre），F1值相关推荐

【机器学习】准确率(Accuracy), 精确率(Precision), 召回率(Recall)和F1-Measure
在机器学习.数据挖掘.推荐系统完成建模之后,需要对模型的效果做评价. 业内目前常常采用的评价指标有准确率(Precision).召回率(Recall).F值(F-Measure)等,下图是不同机器学习 ...
机器学习分类模型中的评价指标介绍：准确率、精确率、召回率、ROC曲线
文章来源:https://blog.csdn.net/wf592523813/article/details/95202448 1 二分类评价指标准确率,精确率,召回率,F1-Score, AUC, ...
模型评价指标：准确率、精确率、召回率、F1值，混淆矩阵
介绍模型四个评价指标之前,先介绍一下混淆矩阵(Confusion Matrix): 混淆矩阵 (Confusion Matrix) 真实值正样本(Position) 负样本(Negative) 预测 ...
机器学习面试题集-图解准确率，精确率，召回率
https://www.toutiao.com/a6692359723615781389/ 今天进入第二章:模型评估 1. 什么是模型评估模型训练后要对其进行评估,看模型表现如何,哪里可以改进分类 ...
机器学习算法中的准确率、精确率、召回率和F值
机器学习算法中的准确率.精确率.召回率和F值:https://www.jianshu.com/p/d400a821ef3d
python垃圾分类准确率计算公式_准确率(Accuracy), 精确率(Precision), 召回率(Recall)和F1-Measure...
机器学习(ML),自然语言处理(NLP),信息检索(IR)等领域,评估(Evaluation)是一个必要的工作,而其评价指标往往有如下几点:准确率(Accuracy),精确率(Precision), ...
准确率、精确率、召回率、F值
准确率:正确的数量除以总数量准确率(accuracy),是一个用来衡量分类器预测结果与真实结果差异的一个指标,越接近于1说明分类结果越准确.举个例子,比如现在有一个猫狗图片分类器对100张图片进行分 ...
一文详尽混淆矩阵、准确率、精确率、召回率、F1值、P-R 曲线、ROC 曲线、AUC 值、Micro-F1 和 Macro-F1
文章目录二分类的评价指标一.混淆矩阵与 TP.TN.FP.FN 二.准确率.精确率.召回率.F1值三.P-R 曲线四.ROC 曲线.AUC 值五.P-R曲线和ROC曲线有什么区别,如何选择? ...
简单理解 TP、FN、FT 及 TN和准确率、精确率、召回率的含义
在机器学习或是其他地方,经常会看到TP.FN.FT 和 TN这几个字符,那到底是什么意思呢? 简单来讲其实就是预测结果的两种情况(正确和错误)和真实结果的两种情况(正的和负的)的两两组合,2*2=4 ...
准确率、精确率、召回率、F1-score
准确率.精确率.召回率.F1-score 概念理解准确率(accuracy) 精确率(也叫查准率,precision) 召回率(也叫查全率,recall) F1-score 概念理解 TP(True ...

召回率（rec），准确率（acc），精确率（pre），F1值