金融风控-贷款违约预测Task1

一.容易混淆

若一个实例为正类，被预测为负类，即为假负类。（False Negative）（FN）
若一个实例为负类，被预测为正类，即为假正类。（False Positive）（FP）

二.概念理解：

1.精确率（Precision）：P = TP/（TP + FP）

表述了分为正类的示例中实际为正类的比例。

2. 召回率（Recall）：recall=TP/(TP+FN)

是覆盖面的度量，度量有多少个正类被分为正类。
与此对等有灵敏度（sensitive）：sensitive = TP/P，
表示的是所有正例中被分对的比例，衡量了分类器对正例的识别能力。

3.综合评价指标：F1 Score，P和R指标有时候会出现的矛盾的情况，综合考虑他们，最常见的方法就是F-Measure（又称为F-Score）。F-Measure是Precision和Recall加权调和平均。

4.P-R曲线（Precision-Recall Curve）是描述精确率和召回率变化的曲