一、Background
在学会了用deeplearning做情感分类之后，如何评价自己的模型有效果呢？如果没有评价指标的话，别人也没法知道你的方法好不好，那么你所做的一切都是浮云。
最简单的评价指标就是准确率（Accuracy），常用的还有精确率（Precision）、召回率（Recall）、F值、宏平均与微平均等等。并且现在的分类基本上都是多分类问题，我就直接按照多分类来阐述。
二、评价指标
多类分类问题中，分类结果一般有4种情况:
- 属于类C的样本被正确分类到类C，记这一类样本数为TP
- 不属于类C的样本被错误分类到类C，记这一类样本数为FP
- 属于类别C的样本被错误分类到类C的其他类，记这一类样本数为FN
- 不属于类别C的样本被正确分类到了类别C的其他类，记这一类样本数为TN
1、Accuracy
准确率
Accuracy=TP+TNTP+FP+FN+TNAccuracy=TP+TNTP+FP+FN+TN
2、Precision
精确率
Precision=TPTP+FPPrecision=TPTP+FP
3、Recall
召回率
Recall=TPTP+FNRecall=TPTP+FN
4、F-measure
F值
F=(1+β2)∗Precision+Recall(β2∗Precision)+RecallF=(1+β2)∗Precision+Recall(β2∗Precision)+Recall
通常情况下，ββ取为1。
5、Macro-averaging
宏平均是指所有类别的每一个统计指标值的算数平均值，也就是宏精确率
Precisionmacro=1N∑i=0NPiPrecisionmacro=1N∑i=0NPi
Recallmacro=1N∑i=0NRiRecallmacro=1N∑i=0NRi
Fmacro=2∗Precisionmacro∗RecallmacroPmacro+RmacroFmacro=2∗Precisionmacro∗RecallmacroPmacro+Rmacro
三、Demo
四、Reference
不得不说这个有很多错误，但还是有值得借鉴的地方
https://sanmisanfan.github.io/2017/08/16/mulitlable-classification/
http://www.cnblogs.com/robert-dlut/p/5276927.html
https://zhuanlan.zhihu.com/p/30953081