準確率、精確率、召回率等基本概念

對於數據測試結果有下面4種情況:

TP: 預測爲正，實際爲正

FP: 預測爲正，實際爲負

TN:預測爲負，實際爲負

FN: 預測爲負，實際爲正

準確率：
Accuracy=(TP+TN)/(TP+TN+FN+FP)，即預測正確的概率

精確率：
又名查準率，P = TP/ (TP+FP)，即預測爲正的正確率

召回率：
又名查全率，R = TP/ (TP+FN)，即正樣本的正確率

真正確率：
同召回率，查全率，TPR = TP/ (TP+FN)，即正樣本的正確率
假正確率：
FPR =FP/ (FP+TN)，即負樣本的錯誤率

PR曲線：
y軸爲精確率，x軸爲召回率，越偏右上越好(都很高)，但實際兩者相互掣肘，難以同時滿足。

ROC曲線：
y軸爲真正例率，x軸爲假正例率，越偏左上越好
AUC值：
ROC曲線下的面積，值介於0.5到1.0之間，較大的AUC代表了較好的performance。AUC值表示，隨機抽取一個正樣本和一個負樣本，分類器正確給出正樣本的score高於負樣本的概率。