从数据中进行推断、估计和决策
“准确率”听起来像是给分类器打分的最直观方式——直到它开始误导你。正确的评估指标完全取决于具体任务以及不同错误所付出的代价。先从混淆矩阵说起：它统计真正例（TP）、假正例（FP）、真负例（TN）和假负例（FN）的数量。所有指标都建立在这四个数字之上。
两个互补的指标。精确率 = TP/(TP+FP) 回答的是“在我标记为正的样本中，有多少真的是正的？”召回率 = TP/(TP+FN) 回答的是“在所有真正的正例中，我抓住了多少？”
它们之间存在权衡：把所有样本都标为正，召回率达到 1，但精确率会暴跌；只标记最有把握的样本，精确率飙升，召回率却下降。F1 分数通过取二者的调和平均来加以平衡：