混淆矩阵

应用场景：以矩阵形式总结分类器结果

1.一级指标

分别是：TP、FN、FP、TN

TP = True Positive，模型与实际结果均为positive的数量

TN = True Negative，模型与真实值结果均为negative的数量

FN = False Negative，模型认为是negative，而真实值为positive的数量，是统计学上的第二类错误（Type II Error）

FP = False Positive，模型认为是positive，而真实值是negative的数量，是统计学上的第一类错误（Type I Error）

2.二级指标

准确率(Accuracy) = (TP+TN) / (TP+TN+FN+TN)

精确率(precision, 或者PPV, positive predictive value) = TP / (TP + FP)

召回率(recall, 或者敏感度，sensitivity，真阳性率，TPR，True Positive Rate) = TP / (TP + FN)

特异度(specificity，或者真阴性率，TNR，True Negative Rate) = TN / (TN + FP)

3.三级指标

F1-值(F1-score) = 2*TP / (2*TP+FP+FN)