机器学习-分类度量（classification metric）常用评价指标

1. 评判指标存在的目的
2. 应用场景
3. 混淆矩阵
4. accuracy =(TP+TN)/(TP+TN+FP+FN)
5. precision =TP/（TP+FP）
6. recall 召回率=真阳性率（True Positive Rate，TPR）=灵敏度(Sensitivity)=（TP/TP+FN）
7. P-R曲线=precision recall curve
8. 真阴性率(True Negative Rate，TNR)，特异度(Specificity)=TN/(TN+FP)
9. F1-Score=2precisionrecall/(precision+recall)
10. 假阴性率(False Negatice Rate，FNR)=1 - 灵敏度(Sensitivity)=FN/(TP+FN)
11. 假阳性率(False Positice Rate，FPR)= 1 - 特异度(Specificity)=FP/(FP+TN)
12. ROC曲线=接收者操作特征曲线（receiver operating characteristic curve）
13. 曲线下面积（Area Under Curve）
14. 多分类问题