分类算法常用的评价指标

对于分类算法，常用的评价指标有：

（1）Precision

（2）Recall

（3）F-score

（4）Accuracy

（5）ROC

（6）AUC

ps：不建议翻译成中文，尤其是Precision和Accuracy，容易引起歧义。

1.混淆矩阵

混淆矩阵是监督学习中的一种可视化工具，主要用于比较分类结果和实例的真实信息。矩阵中的每一行代表实例的预测类别，每一列代表实例的真实类别。

图1 混淆矩阵

如图1所示，在混淆矩阵中，包含以下四种数据：

a、真正(True Positive , TP)：被模型预测为正的正样本

b、假正(False Positive , FP)：被模型预测为正的负样本

c、假负(False Negative , FN)：被模型预测为负的正样本

d、真负(True Negative , TN)：被模型预测为负的负样本

根据这四种数据，有四个比较重要的比率，其中TPR和TNR更为常用：

• 真正率(True Positive Ra