问题描述
对于机器学习中的分类问题，在精度和召回率之外的分类报告中，哪个更重要以获得更好的模型？
解决方法
它实际上取决于你的分类问题。
首先，您需要了解precision 和recall 之间的区别。 Wikipedia 可能是一个好的开始，但我建议使用 this resource by developers.google。
现在假设您正在尝试使用分类器跟踪新冠病例。 分类器会告诉您患者是否携带新冠病毒。
您是否更感兴趣：
A) 识别所有可能的新型冠状病毒病例？
B) 确定如果您确定一个新冠肺炎病例，该病例实际上是一个真正的新冠肺炎病例吗？
如果A) 更重要，您应该专注于回忆。另一方面，如果您对 B) 更感兴趣，那么 精确 可能就是您要寻找的。p>
请注意：
假设您正在测试 1000 个可能的案例，假设其中 500 个是阳性的，我们只是还不知道。您使用分类器，它会告诉您所有 1000 人都是积极的。
所以你有：
true_positives = 500
false_negatives = 0
recall = true_positives / (true_positives + false_negatives)
recall = 500 / (500 + 0) = 1
所以在这里你有一个很好的回忆，但你不准确，也不准确。
我想表达的是，人们不应该关注一个指标而不是另一个指标，而应始终对问题保持广泛的看法。
但是，如果您只想关注一个指标来总结准确率和召回率，那么 F score 就是为此而生的。