如何衡量分类好坏？
衡量分类好坏有多种方法，常用的有准确率、精确率、召回率、F1 值、ROC 曲线与 AUC 值等。
-
准确率：是指分类正确的样本数占总样本数的比例，计算公式为：准确率 = （分类正确的样本数）/（总样本数）。准确率越高，说明分类器整体的分类效果越好，但在正负样本不平衡的情况下，准确率可能会产生误导。
-
精确率：是针对预测结果而言的，它表示在所有被预测为正类的样本中，真正的正类样本所占的比例，计算公式为：精确率 = （真正例数）/（真正例数 + 假正例数）。精确率高意味着分类器在预测为正类时的准确性较高，即误判为正类的情况较少。
-
召回率：是针对原样本中的正类而言的，它表示在所有实际为正类的样本中，被正确预测为正类的样本所占的比例，计算公式为：召回率 = （真正例数）/（真正例数 + 假负例数）。召回率高说明分类器能够尽可能多地找出正类样本，减少漏判的情况。
