1，這三個率能干啥？
這三個率能比較一個模型的好壞。
舉個栗子，我有10個香蕉，1代表好香蕉，0代表壞香蕉，它們依次排列如下：
1 1 1 1 1 0 0 0 0 0
我讓a模型幫我分出好香蕉，它給出這樣的結果
1 1 1 1 0 0 0 0 0 1
好吧，讓我們分析一下a模型干的活。
我們大致可以分為如下四種情況：
本來是好香蕉，a也認為是好香蕉，有4個
本來是好香蕉，a認為是壞香蕉，有1個
本來是壞香蕉，a也認為是壞香蕉，有4個
本來是壞香蕉，a認為是好香蕉，有1個
好吧，看暈了，是時候引進一些科學的思想了！我們把四個類型按照實際值和預測值進行系統化分類：
| 預測 | 預測 | |||
| 1 | 0 | 合計 | ||
| 實際 | 1 | TP | FN | actual positive |
| 實際 | 0 | FP | TN | actual negative |
| 合計 | predicted positive | predicted negative | 總的樣本數 |
得出a模型的數據如下：
tp：4
fn：1
fp：1
tn：4
類分好了，開始分析吧
2，精確率
精確率是相對於預測結果而言的，它表示的是預測為正的樣本中有多少是對的；
精確率的分子是識別正確的正樣本數量，分母是模型認為的正樣本數量
P=TP/(TP+FP)
a模型的精確率應該是：4/（4+1）=4/5
3，召回率
召回率是相對於樣本而言的，即樣本中有多少正樣本被預測正確了；
召回率的分子是識別正確的正樣本數量，分母是實際上有多少正樣本。
R= TP / (TP+FN)
a模型的召回率應該是：4/（4+1）=4/5
4，准確率
准確率是指有在所有的判斷中有多少判斷正確的，即把正的判斷為正的，還有把負的判斷為負的；
准確率的分子是識別為正的正樣本數量加上識別為負的負樣本數量，分母是樣本總數。
P=(TP+TN) / (TP+TN+FN+FP)
a模型的准確率應當是：（4+4）/10=4/5
好的，a模型的精確率，召回率和准確率都是4/5，
我又讓b模型幫我分香蕉，香蕉還是那些香蕉，排列也沒變，為了方便看，復制如下
1 1 1 1 1 0 0 0 0 0
b給出的結果
1 0 0 0 0 0 0 0 0 0
根據如上的算法，我們得出b的三率：
精確率：1
召回率：1/5
准確率：3/5
那么問題來了，a模型和b模型，哪個比較好？
看精確率是b高，看召回率是a高，這可咋整？
5，平均數算法
精確率暫時不做考慮，讓我們來對a和b的精確率和召回率進行分析
1），算數平均數，（對精確率和召回率求算數平均數）
a模型：4/5
b模型：3/5
a模型得分80，b模型得分60。但是很明顯。b模型配不上60分。我們考慮換個算法
2），幾何平均數，就是n個項相乘然后開n次方
a模型：0.8*0.8然后開方，得到0.8
b模型：1*0.2然后開方，得到0.44
a模型仍舊是80，b模型這次只得了44分。感覺舒服一些了，還有什么算法呢？
3），調和平均數，又稱倒數平均數，是總體各統計變量倒數的算術平均數的倒數。
解釋一下，就是n個樣本先求倒數，然后求和除以n，然后對結果求倒數。
a模型：（5/4+5/4）/2然后求倒數，得到4/5
b模型：（1+5）/2然后求倒數，得到1/3
a模型仍舊是80，b模型這次33分，這回舒服多了。
順帶說一聲，三個平均數對極小值的敏感程度為：調和平均數>幾何平均數>算數平均數