精确度/召回率/F1值/Micro-F1和Macro-F1的理解

如下图所示，假设有若干张图片，其中12张是狗的图片其余是猫的图片．现在利用程序去识别狗的图片，结果在识别出的8张图片中有5张是狗的图片，3张是猫的图片（属于误报）．
图中，实心小圆代表狗的图片，虚心小圆代表猫的图片，圆形区域代表识别结果．
则该程序的精度precision＝5/8，召回率recall＝5/12。
当一个搜索引擎返回30个页面时，只有20页是相关的，而没有返回40个额外的相关页面，其精确度为20/30 = 2/3，而其召回率为20/60 = 1/3。在这种情况下，精确度是“搜索结果有多大用处”，而召回是“结果如何完整”。
F1值
F1值是精确度和召回率的调和平均值：
精确度和召回率都高时， F1 F1值也会高． F1 F1值在1时达到最佳值（完美的精确度和召回率），最差为0．在二元分类中， F1 F1值是测试准确度的量度。
 Micro-F1和Macro-F1
在第一个多标签分类任务中，可以对每个“类”，计算F1，显然我们需要把所有类的F1合并起来考虑。
这里有两种合并方式：
第一种计算出所有类别总的Pre

精确度/召回率/F1值/Micro-F1和Macro-F1的理解最先出现在Python成神之路。