版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qq_38784454/article/details/82351715
1、sensitive(灵敏度又称TPR): TP/（TP+FN） 所有正样本中被分对的比例，衡量了分类器对正例的识别能力。
2、specificity(特效度又称TNR)：TN/(TN+FP) 所有负样本被分对的比例，衡量了分类器对负例的识别能力。
3、accuracy（正确率）：（TP+TN）/(TP+TN+FP+FN) 被分对的样本数除以所有样本的总数，值越高分类器的识别能力越强。
TP: 将正类预测为正类数； FN: 将正类预测为负类数；TN: 将负类预测为负类数；FP : 将负类预测为正类数。