准确率、召回率、F1值、ROC、AUC的比较_f1值如何比较

F值是P和 R的调和平均：

1/F1=1/2*(1/P+1/R) => F1 = （2*P*R）/(P+R);

加权调和平均：F(β)=[（1+β^2)*P*R] / [(β^2*P)+R] β=1，退化为F1，β>1,R更重要；β<1,P更重要；

ROC曲线与AUC:

ROC：横坐标：FPR(假正率）    纵坐标：TPR(真正率），这两个都是值分别是负样本的召回率、正样本的召回率；

AUC（Area Under ROC Curve);位于ROC曲线下方的面积（0<=AUC<=1）：面积越大，模型性能越好；ROC上方的面积为积累的损失大小。

-----------------------------------------------------------------------------------------------------------------------

计算栗子：某池塘有1400条鲤鱼，300只虾，300只鳖。现在以捕鲤鱼为目的。撒一大网，逮着了700条鲤鱼，200只虾，100只鳖。那么，这些指标分别如下：

正确率 = 700 / (700 + 200 + 100) = 70%

召回率 = 700 / 1400 = 50%

F1值 = 70% * 50% * 2 / (70% + 50%) = 58.3%

不妨看看如果把池子里的所有的鲤鱼、虾和鳖都一网打尽，这些指标又有何变化：

正确率 = 1400 / (1400 + 300 + 300) = 70%

召回率 = 1400 / 1400 = 100%

F1值 = 70% * 100% * 2 / (70% + 100%) = 82.35%

由此可见，正确率是评估捕获的成果中目标成果所占得比例；召回率，顾名思义，就是从关注领域中，召回目标类别的比例；而F1值，则是综合这二者指标的评估指标，用于综合反映整体的指标。