模型评价指标

机器学习模型中常见的是分类问题，分类模型的评价指标主要有：
（1）精确率
（2）召回率
（3）F值
（4）AUC值（ROC曲线）
分类问题可划分成二分类和多分类问题，其中二分类最为常见，多分类问题大都也是转化成二分类问题求解，因此本文主要基于二分类模型进行模型评价指标的分析。
1）给定标记好的模型训练数据，经分类模型输出的结果为混淆矩阵，具体如下：

Precision : P = TP/( TP+FP)
Recall : R = TP/( TP+FN)
F = (1+a)P*R/(a2p + R)
当a=1时，F1 = 2*P*R/(P+R)
ROC曲线：
纵坐标-TPR: TPR = TP/( TP+FN), 值域[0,1]
横坐标-FPR : FPR = FP/(FP+TN), 值域[0,1]
AUC值等于ROC曲线下方的面积，值域为[0,1] <