精准率跟召回率的定义跟原理就不赘述了，这里主要还是加深一下对这两个值的理解。
还是先上公式：
$精准率：$

$$precision = \frac{True Positive}{True Positive + False Positive}$$

$召回率：$

$$recall = \frac{True Positive}{True Positive + False Negative}$$

从公式可以看出来，精准率对 False Positive 敏感，也就是对“错杀”敏感，所以精准率追求的是尽可能每个Positive都是正确的，宁可放过也不错杀；
而召回率对 False Negative 敏感，也就是对“放过”敏感，所以召回率衡量的是有多少Positive遗漏掉了，宁可错杀也不放过。

F1 Score

F1 Score是基于精准率跟召回率的一个模型表现分数，是F_β的一种（β=1）。

$$F_β = (1+β^2)* \frac{precision*recall}{β^2*precision + recall}$$

所以F1即为

$$F1 = 2 * \frac{precision*recall}{precision+recall}$$

F_β的平衡精准率与召回率之间重要性的指标。F1表示两者相同重要，F2则是召回率的重要程度是精准率的2倍，F0.5则相反，认为精准率的重要程度是召回率的2倍。