reading 8 big data projects

同学你好，

我感觉这个问题是因为做了2020MockB的上午AM session的第10题。

就以那道题为例，题干要求的是“most appropriate measure of the accuracy of the model”，也就是要找一个最合适的方法。

关于F1 score，有一个结论，当数据分布不均衡时，F1值更适用。对应原版书内容如下：

F1 score is the harmonic mean of precision and recall. F1 score is more appropriate (than accuracy) when unequal class distribution is in the dataset and it is necessary to measure the equilibrium of precision and recall.

本题中的dataset就是unequal distribution，所以这道题里最合适的方法就是选择F1 score

@林念龙

准确率（Accuracy）是所有正确的预测和全部的预测的比值。

Accuracy=（TP+TN）/（TP+FP+TN+FN）。分母是所有的样本，分子为所有预测正确的样本。这个指标可以衡量在所有数据中，预测正确的比率。

F1值（F1 score）是精确率(precision，P)和召回率(recall，R)的调和平均数。

F1 score= （2×P×R）/（P+R）

F1值是一个更综合的指标。当分布不均衡时，F1值更适用。F1值越高则说明模型的表现越好。