曲線: P-R
X軸是Percision, Y軸是Reall。
Percision=TP/FP+TP，也就是預測是陽性並且正確的/預測是陽性的。這個值大意味着這個模型預測出來的陽性很多都是對的，當置信度大時，一般精確度也大。
Recall=TP/TP+FN, 也就是預測是陽性並且正確/所有的陽性。Recall越高，表示漏掉的陽性越少如果把所有的數據集都預測爲陽性，那麼Recall就是1，非常高，但是精確度就低了，預測錯很多。
比較理想的狀態是Recall很高，Percision也很高，當所有的正樣本都被挑出來了，並沒有一個隱性的被挑出來當成陽性，這時Recall和Percision都是1.
曲線: Lift
Lift值=Percision/Baseline
可以用隨機的方法選取正樣本的概率作爲Baseline,也就是正樣本的個數/樣本總數。
Lift值越大說明使用這個模型比隨機選好的越多。Lift曲線的X軸是Depth, 它是預測爲正例的比例，這個值越大，相當於閾值越小，閾值越小Percision越低，
所以在最右側Depth很大，Lift的值很小，在左側相反。
曲線：KS
曲線的X軸是閾值，y軸是0到1，可以分別繪值fpr和tpr的曲線，KS曲線實際上是fpr+tpr，這其中tpr-fpr的最大值值就是KS值，值越高說明模型分辨正負樣本的能力越強。