机器学习中性能度量（错误率、精度、查准率、查全率、F值）

不同定义的区分：

1、错误率（Error Rate）：

样本总数中被错误分类的样本所占的比例。

2、精度（accuracy）：

样本总数中被正确分类的样本所占的比例。

3、查准率（Precision）and 查全率（Recall）：

尽管错误率和精度在现实生活中被广泛使用，但在某些任务场景下，它们可能无法充分满足需求。以周志华书中提到的西瓜为例，假设瓜农带来一车西瓜，我们利用训练完成的模型对这些西瓜进行判断。此时，错误率可以反映出有多少比例的西瓜被误判。然而，如果我们关注的重点是：被挑选出来的西瓜中有多少比例属于优质瓜，或者所有优质瓜中有多少比例被成功挑选出来，那么错误率与精度便难以准确衡量这一问题，因此需要引入其他评估指标来实现更全面的性能分析。

类似的需求也常见于信息检索领域。在该领域中，人们通常会关心：检索出的信息中有多少比例符合用户的兴趣点；或者用户感兴趣的全部信息中有多少比例已被成功检索出来。

查准率 P 的计算公式为：P=TP/(TP+FP)

查全率 R 的计算公式为：R=TP/(TP+FN)

查准率与查全率之间存在相互制约的关系，二者