分类器评价指标

混淆矩阵 Confusion Matrix

1. Accuracy = (TP+TN)/(TP+FP+TN+FN) ;
2. Precision = TP/(TP+FP); //预测对的正样本在所有预测为正的样本中的比例
3. Recall = TP/(TP+FN); //预测对的正样本在所有真正正样本中的比例, 也叫真正类率(True Positive Rate)(TPR)
4. F1-score = 2*Precision*Recall/(Precision + Recall);
5. Specificity = TN/(FP+TN)；
6. ROC（Receiver Operating Characteristic）曲线由两个变量绘制，
   横坐标是负正类率(FPR)，纵坐标是真正类率(TPR)；
7. AUC（Area Under Curve）为ROC曲线下的面积。

1). Sensitivity = Recall = TPR(True Positive Rate) = TP/(TP+FN);
2). FPR=FP/(FP+TN);
3). Specificity + FPR = 1.

Fb-score是准确率和召回率的调和平均
Fb=[(1+b^2)*P*R]/（(b^2)*P+R），比较常用的是F1.

绘制ROC曲线：

http://www.douban.com/note/284051363/?type=like

precision与recall，前者是在预测为正的样本中的比例，后者是在真正为正的样本中的比例，别记混了，找工作可能会问到的！：）