分类问题评估度量标准

1、错误率         

预判错误的概率

2、精度          

判断正确的概率

3、二分类混淆矩阵

预测的结果和真实的结果分成四类：

查准率（准确率） P （precision） =        TP+FP：预测为正的 样本

查全率（召回率） R （recall）=         TP+FN: 真正的 全部正样本

F1 值：

F1 =             也是一种几何平均        

Fβ 值：

Fβ =           β < 1:准确率有更大影响        β＞1：召回率有更大影响

4、ROC曲线和AUC （Area Under Curve）

纵坐标 TPR =      预测正确在真正的正样本中的概率

横坐标 FPR =      预测错误在真正的负样本中的概率

按预测结果按照顺序逐个样本预测画出ROC曲线。

AUC就是曲线下的面积，面积越大，分类效果越好