分类的性能度量

以一个二分类为例，假设分类结果如表

		预测结果	预测结果
		正	负	总计
实际结果	正	TP	FN	P
实际结果	负	FP	TN	N

1.准确率（accuracy）：分类正确的样本和总样本数之比：(TP+TN)/(T+N)

2.精确率（precision）：分类为正的结果中，实际为正的结果的比例：TP/(TP+FP)

3.召回率（recall）/灵敏度（sensitivity）：所有实际为正的样本中，被判断为正的比例：TP/P

4.F值：精确和召回的调和平均：

β为权重因子，确定更加倾向于P还是R，当β等于1时，退化为F1，此时二者一样重要。

P-R曲线即主要关注精确率和召回率的情况，选定多个阈值，高于这个阈值的定义为正，低于的为负，每次统计这一个阈值得到的P和R的值，作为横纵坐标值放在折线图中，最后连成线。