精确度，召回率，真阳性，假阳性

已知如图：

	金标准（标准集）
预测算法（预测集）		验证存在（T）	验证不存在（F）	合计
	预测存在（P）	预测为正，真实为正（TP）	预测为正，真实为负（FP）	P（预测为正样本）
	预测不存在（N）	预测为负，真实为正（FN）	预测为负，真实为负（TN）	N（预测为负样本）
	合计	T（验证为正样本）	F（验证为负样本）	所有样本数（P+N或者T+F）

简化后：

	标准集
测试集		正样本	负样本	合计
	正样本	TP	FP	P
	负样本	FN	TN	N
	合计	T	F	P+N或者T+F

查准率=精确度( precision )：TP / ( TP+FP ) = TP / P  

查全率=召回率（recall）：TP / (TP + FN ) = TP / T

真阳性率（True positive rate）：TPR = TP / ( TP+FN ) = TP / T  （敏感性 sensitivity）

假阳性率（False positive rate）：FPR = FP / ( FP + TN ) = FP / F  （特异性：specificity）

准确率（Accuracy）：Acc = ( TP + TN ) / ( P +N )

F-measure：2*recall*precision / ( recall + precision )

ROC曲线：FPR为横坐标，TPR为纵坐标

PR曲线：recall为横坐标，precision 为纵坐标