假设我们要解决一个二类分类问题,我们已经建立好了模型,输出是0或1,初始时设阈值为0.5,超过0.5概率估计,就判别为1,否则就判别为0;如果我们现在用另一个大于0.5的阈值,那么现在关于模型说法,正确的是

准确率：即预测结果正确的百分比。精确率（查准率）：预测结果为正例样本中真实为正例的比例（查得准）。召回率（查全率）：真实为正例的样本中预测结果为正例的比例（查的全，对正样本的区分能力。F-score：在实践中，我们定义了新的指标去“综合”这两个指标。具体的定义如公式（3），从数学上来看，它其实是查准率与查全率的调和平均数。对于二元分类问题，F-score 综合考虑了预测结果的查准率和查全率，是一个比较好的评估指标。