对于机器学习模型性能的评价，我们最常见的指标就是准确率(Accuracy,ACC)，当然，这是针对分类的。那么，除此之外，还有很多其他的指标。
前面我们列出的损失函数，其实在某种意义上也是对模型的一种评价指标。
1，二分类模型的评价指标
基础知识
对于二分类而言，样本有正负样本之分(Positive，Negative)，而预测则有对错之分(True,False)，所以可用过如下表来表示
| 真实值：P | 真实值：N | |
|---|---|---|
| 预测值：P | TP | FP |
| 预测值：N | FN | TN |
则
TP：真正例，真阳性。样本是正例，预测为正，分类正确
FP：假正例，假阳性。样本是负例，预测为正，分类错误。误诊
TN：真负例，真阴性。样本是负例，预测为负，分类正确
FN：假负例，假阴性。样本为正例，预测为负，分类错误。漏诊
准确率(Accuracy,ACC)
即分对样本数比总体样本数
计算简单，常见
缺点
1，当样本不平衡时会不准。例如正负样本9:1，模型把所有样本均判为正，计算出ACC=0.9 但这个模型是没有意义的。
此时，可以计算平均准确率，即每个类别内准确率的平均值。
2，太过简单，不能体现正负样本具体的分类对错情况
精确率(Precision,P)与召回率(Recall,R)
即模型预测为正的样本里，真正为正的比例
召回率也叫做敏感度(Sensitivity)
即在所有正样本中，模型准确找出的比例
P高代表模型预测为正，基本上就是正。表示其很准。但很准的原因可能是模型太严格，例如100个正例，模型只判断了其中1个为正，确实这个样本分对了，但是依旧错分了其他99个，造成假阴性变高。
R高代表模型更能够把正样本从样本中找出来，漏诊率低，很敏感，稍微不对就会判正。但例如模型把所有样本都判为正，此时召回率确实高，但没有意义。会带来很高的假阳性。
即高P很容易降低R，高R很容易降低P。两者需要权衡
F1 指数
因为P和R很容易此高彼低，所以F1的分子是P*R，这就使得，盲目提高P和R其中之一，并不会提高F1指数，只有当两者都高的时候，F1才会高。第二个等号后面的式子也表明，F1指标旨在降低FP和FN(即假阳性和假阴性)两者。
ROC 曲线(Receiver Operating Characteristic)
接收者操作特征曲线,是一种显示分类模型在所有分类阈值下效果的图表
此处先介绍两个指标
1，真正例率(TPR)--即召回率
2，假正例率(FPR)
与召回率相对应的，有一个叫做特异性(Specificity)的指标
表示在所有负样本中，模型准确找出的负样本比例。
由此可见，
我们当然希望TPR=1，FPR=0。
此时，正负样本均被正确分类
而ROC曲线的横纵坐标，分别是FPR(1-Specificity)，TPR
在做ROC曲线时，
首先，利用当前模型我们可以得到测试样本x对应的预测值f(x)，这f(x)可以是连续值而非输出的标签值(可以认为是尚未送入函数的f(x))。
然后，把测试样本按照f(x)做升序排序
最后，对于排序后的样本及其f(x)，依次顺序从大到小卡阈值把样本分为两组，小于阈值的一组判为负样本，大于阈值的一组为正样本。
一开始，把阈值设为最大，此时所有样本为负样本，TPR=FPR=0
然后逐渐减小阈值，TPR和FPR都升高，对于一个较好的模型，此时应该TPR>FPR>0
然后逐渐把阈值减到最小，此时所有样本为正样本，TPR=FPR=1
ROC曲线(0,1)点代表着完美的分类与阈值。所以曲线越接近这一点越好。
AUC (Area Under ROC Curve ROC曲线下面积)
AUC值为ROC曲线所覆盖的区域面积,显然,AUC越大,分类器分类效果越好。
AUC = 1，是完美分类器
0.5 < AUC < 1，优于随机猜测。分类模型妥善设定阈值可以取得好的效果
AUC = 0.5，跟随机猜测一样
AUC < 0.5，比随机猜测还差；但只要总是反预测而行，就优于随机猜测。
小结一下
由上图可见，
TPR=敏感度(Sensitivity)=召回率(Recall)=分母为正样本
FPR=1-特异性(Specificity)=分母是负样本
精确率(Precision)=分母是预测为正的样本
2，多分类模型的评价指标
混淆矩阵(Confusion Matrix)
| 真实类别1 | 真实类别2 | 真实类别3 | |
|---|---|---|---|
| 预测1 | 500 | 20 | 100 |
| 预测2 | 10 | 480 | 200 |
| 预测3 | 10 | 50 | 370 |
上表即混淆矩阵，详细描述了不同类别下样本预测情况。
由上表可以看出，样本分3个类别，每个类别样本分别520,550,670个。
那么此时，有一些指标可以评价多分类模型
ACC与平均ACC
ACC还是可以计算的，如上
平均ACC即各类别的准确率的平均
宏观与微观指标(Macro & Micro)
多分类混淆矩阵可以拆分成n个二分类混淆矩阵，如上可以拆分为如下3个
| 1 | 真实类别1 | 其他 |
|---|---|---|
| 预测为1 | 500 | 120 |
| 预测为其他 | 20 | 1100 |
| 2 | 真实类别2 | 其他 |
|---|---|---|
| 预测为2 | 480 | 210 |
| 预测为其他 | 70 | 980 |
| 3 | 真实类别3 | 其他 |
|---|---|---|
| 预测为3 | 370 | 60 |
| 预测为其他 | 300 | 1010 |
则可以按照二分类的方式获取3组指标，如ACC，Precision，Recall，F1等
甚至在获得预测样本每一类的概率值的情况下，做出3组ROC曲线
宏观指标Macro指算出上述3组指标之后，直接做平均
微观指标Micro指，把上述3表合成1张表，对应位置相加
| 4 | 真实类别 | 其他 |
|---|---|---|
| 预测为真实类别 | 1350 | 390 |
| 预测为其他 | 390 | 3090 |
通过这张表计算的指标如ACC，Precision，Recall，F1等，称为微观指标Micro
回归模型评价指标
回归模型评价指标通常会用到回归模型损失函数如MSE，MAE等
参考
ROC曲线
模型评估与实践
Macro与Micro