（原創）
本文討論機器學習的評估指標

1.混淆矩陣
混淆矩陣包括4個基本指標量，反映預測正負樣本的情況。他們是 TP,TN,FP,FN，其中
第一個字母，表示預測的正確與否，正確為T true，錯誤為F false
第二個字母，表示預測的結果，預測為正樣本為P，預測為負樣本為N
所以:
TP：預測正確，預測正，實際正
TN：預測正確，預測負，實際負
FP：預測錯誤，預測正，實際負
FN：預測錯誤，預測負，實際正

2.基於上述基本指標衍生的指標

（1）accuracy
預測正確的/總樣本量 ，
也即 (TP+TN)/(TP+TN+FP+FN)

（2）precision
預測為正且正確的/所有預測為正樣本的 ，
也即 TP/(TP+FP)

（3）TPR/命中率/召回率recall
預測為正且正確的/實際正樣本
也即 TP/(TP+FN)

（4）FPR
反應對負樣本的猜錯情況，預測錯誤且預測為正/實際的負樣本
也即 FP/(TN+FP)

（5）F1分數
precision 和 recall 的調和平均

（6）ROC曲線和AUC值
橫軸為 FPR ，縱軸為 TPR ，遍歷閾值做出曲線
曲線下的面積即AUC值