在分类任务中，想要知道模型的好坏，是不是能够实际应用，那么必须有评价的标准，本文将详细说来。
如果不提到混淆矩阵，那么下面的概念就不好理解。我自己先默写了下，结果发现错了（错的全颠倒），错误示例如下：
上图错误的原因是不知道True/Positive这种概念是针对谁来说，
小明哥这里给出：True/False是针对（预测结果）这个预测是不是正确来说的，如果预测正确，那么为True，预测错误，即为False；Positive/Negative则是针对预测来说的（就是分类后的标签），联系下医学上的阳性与阴性，就是这个概念。
这种东西要么用得多才能记住，要么就每天看一遍，想当年我记诗词一样，每天看一遍，读一遍。
按照上面的理解，即可给出正确的结果：
1-accuracy
就是正确率，预测正确的比例，不管是true positive 还是true negtive 都是预测对了
Acc=(TP+TN)/(TP+FP+FN+TN)
2-Precision
精度，准确度啥的,我觉得没必要抠字眼，在我看来就是预测为正例的实际上有多少为正例
P=TP/(TP+FP)
3-Recall
召回率，这个词其实不好字面理解，在我的认知中，召回这个词还是在新闻上看到的，某某车有问题，全球召回几万辆。
召回率，再经望文生义，就是召回的车辆占总销售的车辆，这个有点贴近实际的含义了。
这个词在推荐算法中是必须明确的知道，就是从数据库中筛出来一部分符合要求的数据，因为在信息过载的时代，用户不可能看完那么多东西，初选出来相对匹配的信息，然后经过排序（粗排/精排/重排等）
一句话说就是：实际为正例的（positive）有多少预测为正例，和上面的精确度很容易混淆，有点像玩文字游戏。
R=TP/(TP+FN)
Note：仍旧以车的召回举例，假设某一批次的售出车辆有问题，本来我们只需要将该批次的召回即可，但把我们曾经所有卖出的都召回了，肯定包括问题车，这就是查全率100%，实际上有毛病的车有多少认为有毛病？或者换个思路，我们所有批次的车中（假设一共有1000辆）实际有100辆有毛病，我们都找出来了，都召回了，都认为有毛病；但从精确度考虑我们只需要找到这100辆即可，所以精确度为100/1000=0.1=10%
一般来说P，R是此消彼长的，理想情况下则是相对都高，如果都低，则可能数据或程序有问题。
【PR曲线是根据阈值来画的，以分类中的最后一层softmax来说，那么我们在分类中直接就是求的最大的一个为某类的index，
softmax输出的结果总和为1，当我们设定某个类别的阈值时，比如0.6，当大于该值我们才认为是该类，阈值不同，则画出不同的PR曲线，不知道这样对不对，应该没毛病，下面的ROC曲线也是如此得到的】
一般也称P为查准率，R为查全率。
4-F1 score
F1值就是上面两者的综合，是调和值。一般用的多的是：
F1=2*P*R/(P+R)
5-True Positive Rate
字面意思就是真阳性的比例，也就是实际为正例有多少预测为正例，恰好与Recall一样
TPR=TP/(TP+FN)
6-False Positive Rate
假阳性的比例，实际为负例的有多少错分（预测）为正例
FPR=FP/(FP+TN)
可见真阳性与假阳性的比例都是针对ground truth来说的，实际为正例，实际为负例。。。
7-AUC和ROC
由TPR和FPR可以绘制曲线，该曲线就是ROC（受试者特征曲线），曲线下的面积就是AUC（英语意思很直白）
其中TPR，FPR的大小范围[0,1]，因此AUC最大为1，越趋于1，模型越好，低于0.75的一般都不可靠。
在sklearn中有现成的roc_auc函数可以调用。不要再费劲造轮子了。
另外有相关问题可以加入QQ群讨论，不设微信群
QQ群：868373192
语音图像视频深度-学习群
