Sklearn.metrics评估方法介绍

在介绍指标之前，先回顾一下很重要的四个概念，可以说指标总是围绕着这四个来计算的。

	真实 1	真实 0
预测 1	true positive	false positive
预测 0	false negative	true negative

记忆小技巧：true/false 后面的pos or neg与预测值有关，预测为1就是positive，为0就是negative，然后如果真实值和预测值一样，那就是true，不一样就是false。

Precision：	tp/tp+fp	在所有预测1中有多少预测是正确的	针对预测1
recall：	tp/tp+fn	在所有真实 1中有多少预测是正确的	针对真实值1
accuracy：	tp+tn/tp+tn+fp+fn	所有预测正确的	针对全部样本
F-score：	(1+P^ 2 ) * (precisionrecall)/P^2precision+recall

当P=1时 就是F1 score，此时recall和precision都很重要，权重相同
当P=2时 就是F2 score&#