机器学习之-分类性能指标-准确率-召回率-ROC曲线

1、最简单的分类性能指标就是错误率，即在所有测试样例中错分的样例比例。

2、在机器学习中有一个普遍适用的称为混淆矩阵的工具，它可以帮助人们更好地了解分类中的错误，比如一个三分类问题：

3、对于一个二分类，它的混淆矩阵比较简单：

在这个例子中，如果将一个正例预判为正例，则认为产生了一个真正例（True Positive：TP也称真阳），如果对一个反例预判为反例，则认为产生一个真反例（True Negative：TN，也称真阴），相应的另外两种情况分别称为伪反例（False Negative，FN，也称假阴）和伪正例（False Positive：FP，也称假阳）。

4、在分类中，当某个类别的重要性高于其他类别时，