（原创）
本文讨论机器学习的评估指标

1.混淆矩阵
混淆矩阵包括4个基本指标量，反映预测正负样本的情况。他们是 TP,TN,FP,FN
第一个字母，表示预测的正确与否，正确为T true，错误为F false
第二个字母，表示预测的结果，预测为正样本为P，预测为负样本为N
所以:
TP：预测正确，预测正，实际正
TN：预测正确，预测负，实际负
FP：预测错误，预测正，实际负
FN：预测错误，预测负，实际正

2.基于上述基本指标衍生的指标

（1）accuracy
预测正确的/总样本量 ，
也即 (TP+TN)/(TP+TN+FP+FN)

（2）precision
预测为正且正确的/所有预测为正样本的 ，
也即 TP/(TP+FP)

（3）TPR/命中率/召回率recall
预测为正且正确的/实际正样本
也即 TP/(TP+FN)

（4）FPR
反应对负样本的猜错情况，预测错误且预测为正/实际的负样本
也即 FP/(TN+FP)

（5）F1分数
precision 和 recall 的调和平均

（6）ROC曲线和AUC值
横轴为 FPR ，纵轴为 TPR ，遍历阈值做出曲线
曲线下的面积即AUC值