準確率（accuracy）：正確**的樣本佔所有樣本的比例
精確率/查準率（precision）：**為true的樣本中真正為true的比例， p = tp／(tp + fp)
查全率/召回率（recall）：所有正樣本中被正確**的比例，r = tp／（tp+fn)
f1-score：查準率和查全率的調和平均值
roc曲線指受試者工作特徵曲線(receiver operating characteristic curve), 是反映敏感性和特異性連續變數的綜合指標,是用構圖法揭示敏感性和特異性的相互關係，它通過將連續變數設定出多個不同的臨界值，從而計算出一系列敏感性和特異性，再以敏感性為縱座標、（1-特異性）為橫座標繪製成曲線，曲線下面積越大，診斷準確性越高。在roc曲線上，最靠近座標圖左上方的點為敏感性和特異性均較高的臨界值
混淆矩陣
混淆矩陣也稱誤差矩陣，是表示精度評價的一種標準格式，用n行n列的矩陣形式來表示。具體評價指標有總體精度、製圖精度、使用者精度等，這些精度指標從不同的側面反映了影象分類的精度。 在人工智慧中，混淆矩陣（confusion matrix）是視覺化工具，特別用於監督學習，在無監督學習一般叫做匹配矩陣。
roc曲線優點
roc曲線缺點
為了更好的衡量roc所表達結果的好壞，area under curve（auc）被提了出來，簡單來說就是曲線右下角部分佔正方形格仔的面積比例。auc 的值在0.5到1之間，越接近1表示分類器的效果越好。對於多個分類器的auc曲線，若其中一條曲線完全包圍另一條曲線時，則可以認為前一條曲線所對應分類器的效果更好，此時它所包含的右下角的面積也更大。
p-r曲線定義
p-r曲線是由查準率和召回率共同構成的曲線，其中橫軸為召回率，縱軸為查準率
使用場景
機器學習評價方法
precision 的結果中 正確的正例 的結果中所有為1的值 recall 的結果中 正確的正例 真實存在的正例數 所以p r curve 對負樣本的比例不敏感 1 真陽性 true positive，tp 檢測不健康，且實際不健康 正確肯定的匹配數目 2 假陽性 false positive，f...
機器學習 評價分類結果（ROC 曲線）
1 定義 模型不限於是否通過極度偏斜的資料訓練所得 比較方式 roc 曲線與座標圖形邊界圍成的面積，越大模型越優 tpr true positive rate 真正率 被 為正的正樣本結果數 正樣本實際數 tpr tp tp fn tnr true negative rate 真負率 被 為負的負樣...
機器學習 分類，回歸，聚類 評價指標
機器學習 分類，回歸，聚類 評價指標 分類問題 roc 接收操作者特徵曲線 最早用於雷達訊號檢測領域，用於區分訊號與雜訊。現用來評價模型的 能力，roc曲線基於混淆矩陣得出的。兩個指標 真陽率 tpr 為縱座標與假陽率 fpr 為橫座標 tpr越高，同時fpr越低 即roc曲線越陡 模型效能越好 a...