常用机器学习评价指标

评价指标：
IOU （Intersection over Union,重叠度）
首先引入四个概念：
P(Positive)和N(Negative) 代表模型的判断结果
T(True)和F(False) 评价模型的判断结果是否正确

TP:表示正确划分为正例的样本；
FP:表示错误划分为正例的样本；
TN:表示正确划分为负例的样本；
FN:表示错误划分为负例的样本。
上图中红色框表示GroundTruth图，蓝色框表示模型的预测结果。

重叠度计算公式如下:

精确率：

(针对模型判断出的所有正例(TP+FP)而言，其中判断正确的正例(TP)所占的比例。精确率也叫查准率。）

召回率：

（针对数据集中的所有正例(TP+FN)而言，模型正确判断出的正例(TP)占数据集中所有正例的比例。FN表示被模型误认为是负例但实际是正例的数据。召回率也叫查全率。)

准确率：

(模型判断正确的数据占总数据的比重)

综合评价指标（F-Measure）:

当a=1，