关于ROC/AUC/PRC/F1/PRECISION/RECALL（对相关文献的整理，方便以后查看）

最近看到一些关于分类器模型评价的指标的文章和资料，还是挺收益的。

下面贴出参考文献的地址：

http://blog.csdn.net/pipisorry/article/details/51788927?locationNum=3&fps=1

http://blog.csdn.net/ice110956/article/details/20288239?utm_source=tuicool&utm_medium=referral

http://www.tuicool.com/articles/qYNNF3

https://www.zhihu.com/question/30643044

https://www.kaggle.com/general/7517

结论：ROC/AUC不受阈值选取的影响，在正负样本数据集平衡的情况下，可作为较优的二分类器模型的评价指标；PRC与F1阈值选择相关，一般不作为评价指标；

在训练集中负样本数远大于正样本数或不关注负样本的分类时时，PRC是一个不错的选择。选用precision与recall与具体场景有关。