分类（Classification）算法评估指标

混淆矩阵（Confusion Matrix）：真实值，预测值，预测值和真实值之间的关系。

True positive (TP) ：图中的11，真实值为Positive，预测正确（预测值为Positive）
True negative (TN)：图中的00，真实值为Negative，预测正确（预测值为Negative）
False positive (FP)：图中的01，真实值为Negative，预测错误（预测值为Positive）
False negative (FN)：图中的10，真实值为Positive，预测错误（预测值为 Negative）

1、准确度（Accuracy）：所有预测正确的所有样本除以总样本，通常来说越接近1越好（对角线）

缺点：样本数据严重不均衡的情况不能使用。

2、精确度（Precision）：表示所有预测得到的正样本中，有多少是真实的正样本（竖：第一列）