精准度(precision):
P = TP/(TP+FP) 指被分类器判定正例中的正样本的比重召回率(Recall):
R=TP/(TP+FN) = 1- FN/T 指的是被预测为正例的占总的正例的比重准确率(Accuracy):
A = TP/(TP+FN)=(TP+TN)/(TP+FN+FP+TN) 反映了分类器对整个样本的判定能力,也就是说能将正的判定为正,负的判定为负
True Positive (TP): “真正” 指被model预测为正的正样本,即判断为真的正确率
True Negative(TN): “真负” 指被model预测为负的负样本,即判断为假的正确率
False Positive(FP): “假正” 指被模型预测为正的负样本,即误报率
False Negative(FN): “假负” 指被模型预测为负的正样本,即漏报率