分类问题的评价指标

1. 准确率
2. 精确率和召回率
   精确率表示我现在有了这么的预测为正的样本，那么这些样本中有多少是真的为正呢？
   召回率表示我现在预测为正的这些值中，占了所有的正的为正的样本的多大比例呢？
3. ROC和AUC

几种常用的指标：
● 精度precision = TP/(TP+FP) = TP/~P （~p为预测为真的数量）
● 召回率 recall = TP/(TP+FN) = TP/ P
● F1值： 2/F1 = 1/recall + 1/precision
● ROC曲线：ROC空间是一个以伪阳性率（FPR，false positive rate）为X轴，真阳性率（TPR, true positive rate）为Y轴的二维坐标系所代表的平面。其中真阳率TPR = TP / P = recall， 伪阳率FPR = FP / N