机器学习评估指标准确度精确度召回度F1分数ROC曲线AUC值

准确率(precision)

在被判定为正样本的数据中，实际为正样本的个数

精确率(accuracy)

在所有数据中，正负样本判断正确的个数

召回率(recall)

在实际为正样本的数据中，被判定为正样本的个数

F1值

该指标表示为精确率与召回率的调和平均数，并即作为对精确率与召回率进行综合考量的一种评价标准

ROC

接收者操作特征曲线（ROC curve）是一种多维度评估工具，在区分信号与非信号中的性能表现突出。该曲线表征了多个连续变量在区分信号与非信号中的性能。其中每个点对应特定的灵敏度水平。

横坐标：假阳性率（False positive rate, FPR, FPR=FP/(FP+TN)），即在所有负样本中被错误分类为正的比例；
纵坐标：真阳性率（True positive rate, TPR, TPR=TP/(TP+FN)），即在所有真实正样本中被正确识别出来的比例（召回率）
**真正的理想状态：**当TPR接近1且FPR接近0