召回率、准确率、ROC曲线、AUC、PR曲线

混淆矩阵(confusion-matrix)

真阳性（True Positive，TP）：样本的真实类别是正例，并且模型预测的结果也是正例
真阴性（True Negative，TN）：样本的真实类别是负例，并且模型将其预测成为负例
假阳性（False Positive，FP）：样本的真实类别是负例，但是模型将其预测成为正例
假阴性（False Negative，FN）：样本的真实类别是正例，但是模型将其预测成为负例

召回率(recall rate)

召回率又称查全率
$$recallrate=\frac{TP}{TP+FN}$$
表示当前分到正样本中真实的正样本所占所有正样本的比例；
需要注意的是，很多人容易将召回率与查准率(precision rate)混淆
p r e c i s i o n   r a t e = T P T P + F