检测任务指标

准确率（Accuracy）= (预测正确的样本数)/(总样本数)=(TP+TN)/(TP+TN+FP+FN)

精度（Precision）= (被正确预测为正类的样本数)/(所有被预测为正类的样本数)=TP/(TP+FP)

在所有被判定为正类的样本中正类所占的概率。

召回率（Recall）= (被正确预测为正类的样本数)/(所有正类样本数)=TP/(TP+FN)                       

所以又叫查全率，在所有正类样本中被正确判定为正类的概率。

一般精度与召回率相互制约，一方增加另一方则减小。

map指标（Mean Average Precision）：即平均精确度。综合衡量检测效果。绘出召回率-精度图，map表示曲线下方的面积。

值得注意的是：当要求对于正样本（TP）识别率增加时，一定也会把更多的负样本（FP）识别为正样本。（该过程相当于放宽了对于正样本的要求）。

ROC曲线：TP（或者FN）—FP曲线。

识图：横坐标为FP，即将负样本识别为正样本的概率，纵坐标为TP，即将正样本识别为正样本的概率，对于一个优秀的模型，我们希望FP小，TP大，因此图中LR对应的曲线最好。（注：之所以所有样本当FP趋近于1时，TP也趋近于1，是因为随着FP的增大代表着系统对于识别为正样本的要求降低，所以造成FP与TP都增加。）

AUC（Area Under Curve）：即ROC曲线下方的面积，该值越大越好。

EER（Equal Error Rate）：等错误率。在ROC图像中，由左上角到右下角画一条曲线与ROC曲线的交点处FP=FN，因为交点处的TP与FP满足TP+FP=1，而TP+FN=1恒成立，所以此时FP=FN。