准确率、精确率、召回率等基本概念

对于数据测试结果有下面4种情况:

TP: 预测为正，实际为正

FP: 预测为正，实际为负

TN:预测为负，实际为负

FN: 预测为负，实际为正

准确率：
Accuracy=(TP+TN)/(TP+TN+FN+FP)，即预测正确的概率

精确率：
又名查准率，P = TP/ (TP+FP)，即预测为正的正确率

召回率：
又名查全率，R = TP/ (TP+FN)，即正样本的正确率

真正确率：
同召回率，查全率，TPR = TP/ (TP+FN)，即正样本的正确率
假正确率：
FPR =FP/ (FP+TN)，即负样本的错误率

PR曲线：
y轴为精确率，x轴为召回率，越偏右上越好(都很高)，但实际两者相互掣肘，难以同时满足。

ROC曲线：
y轴为真正例率，x轴为假正例率，越偏左上越好
AUC值：
ROC曲线下的面积，值介于0.5到1.0之间，较大的AUC代表了较好的performance。AUC值表示，随机抽取一个正样本和一个负样本，分类器正确给出正样本的score高于负样本的概率。