机器学习中的评价指标（recall、precision、F-messure、PR曲线）

https://blog.csdn.net/StupidAutofan/article/details/79583450
https://blog.csdn.net/StupidAutofan/article/details/79583531
https://www.cnblogs.com/Zhi-Z/p/8728168.html
https://www.cnblogs.com/sddai/p/5696870.html

• 准确率(Accuracy) ＝ (TP + TN) / 总样本 ＝(40 + 10)/100 = 50%。 定义是: 对于给定的测试数据集，分类器正确分类的样本数与总样本数之比。
• 精确率(Precision) ＝ TP / (TP + FP) = 40/60 = 66.67%。它表示：预测为正的样本中有多少是真正的正样本，它是针对我们预测结果而言的。Precision又称为查准率。
• 召回率(Recall) ＝ TP / (TP + FN) = 40/70 = 57.14% 。它表示：样本中的正例有多少被预测正确了， 它是针对我们原来的样本而言的。Recall又称为查全率。
• 灵敏度（Sensitive）= TP / (TP+FN)= 40/70 = 57.14% 。 和召回率等效。
• 特效度（Specificity）= TN / ( FP + TN) = 10/30 = 33.33% 。它表示：样本中负例有多少被预测正确了。

• F-messure
• PR曲线
• ROC曲线