机器学习之算法模型评价指标

#机器学习评价指标

##1、几个概念

精确率：Precision------"正确被检索的item(TP)"占所有"实际被检索到的(TP+FP)"的比例

召回率：Recall------“正确被检索的item(TP)"占所有"应该检索到的item(TP+FN)"的比例

F-measure= 正确率 * 召回率 * 2 / (正确率 + 召回率) （F 值即为正确率和召回率的调和平均值）

准确率：Accuracy-----正确分类的样本数与总样本数之比 。

##2、AUC

​ AUC是一个模型评价指标，用于二分类模型的评价。AUC是“Area under Curve（曲线下的面积）”的英文缩写，而这条“Curve（曲线）”就是ROC曲线(也叫做受试者工作特征曲线)。

​ 为什么要用AUC作为二分类模型的评价指标呢？为什么不直接通过计算准确率来对模型进行评价