机器学习中的正确率、召回率

正确率：TP/(TP+FP)，表示预测为正例的样本中真正正例的比例。 
召回率：TP/(TP+FN)，表示预测为正例的真实正例占所有正例的比例。

AUC = 1，是完美分类器，采用这个预测模型时，不管设定什么阈值都能得出完美预测。绝大多数预测的场合，不存在完美分类器。(https://blog.csdn.net/qq_23664173/article/details/83010348)
　　0.5 < AUC < 1，优于随机猜测。这个分类器（模型）妥善设定阈值的话，能有预测价值。
　　AUC = 0.5，跟随机猜测一样，模型没有预测价值。
　　AUC < 0.5，比随机猜测还差；但只要总是反预测而行，就优于随机猜测。
--------------------- 
作者：-似曾相识燕归来 
来源：CSDN 
原文：https://blog.csdn.net/hzh_csdn/article/details/79421160 
版权声明：本文为博主原创文章，转载请附上博文链接！