不平衡分类问题

TP / TN / FP / FN

Accuracy: 准确率

Precision / Recall: 精确率和召回率

ROC / AUC: 假阳性率和真阳性率，ROC曲线与x轴围成图形的面积可以作为一个综合衡量的指标，即AUC (area under curve)，AUC越大，曲线就越凸，分类器的效果也就越好。ROC曲线反映了分类器对正例的覆盖能力和对负例的覆盖能力之间的权衡。

AP / MAP: average precision与mean average precision。PR曲线反映了分类器对正例的识别准确程度和对正例的覆盖能力之间的权衡。与AUC相似，AP就是PR曲线与x轴围成图形的面积。此外，还需要引入MAP，MAP是不同类别AP的平均。