常见评价指标整理（通俗易懂）

（Ps：图片不是我自己的制作的，借用别人的图片）

原博客连接：https://my.oschina.net/liangtee/blog/340317

（PS：这里要明确几个概念）
Y:实际正类
N:实际负类
p：预测正类
n：预测负类
TP ：正类预测为正类（真正）
TN ：负类预测为负类（真负）
FP ：负类预测为正类（假正）
FN ：正类预测为负类（假负）

ROC，以及AUC曲线被称为分类指标

ROC：
ROC曲线横坐标：fp=假正/实际负类
ROC曲线纵坐标：tp=真正/实际正类
（注意：ROC曲线中的四个点（0,0）（0,1）（1,0）（1,1））
（0,1）代表了将所有都预测为正，预测为假负为0. 由于tp=p因此FN=0，并且FP=0所有样本预测为正类效果最好
（1,0）那么横坐标为FP = N 那么则为都预测为假正了实际样本是负的样本，结果全预测错了，因此最不好。
（0,0）横纵坐标都为0，那么FP=TP=0，所有样本都预测为负样本
（1,1）FP=N ，TP=P ，所有都预测为正样本因此左上角的位置最好

AUC：是一个概率值，当你随机挑选一个正样本以及一个负样本，当前的分类算法根据计算得到的Score值将这个正样本排在负样本前面的概率就是AUC值。
当然，AUC值越大，当前的分类算法越有可能将正样本排在负样本前面，即能够更好的分类。