召回率 Recall、精确度Precision、准确率Accuracy、虚警、漏警等分类判定指标_对分类器的惩罚

A = (TP + TN)/(P+N) = (TP + TN)/(TP + FN + FP + TN);

  反映了分类器统对整个样本的判定能力——能将正的判定为正，负的判定为负。  
 ##召回率(Recall && True Positive Rate)

R = TP/(TP+FN) = 1 - FN/T;

  反映了被正确判定的正例占总的正例的比重。  
 ##转移性(True NegativeRate)

S = TN/(TN + FP) = 1 – FP/N；

  明显的这个和召回率是对应的指标，只是用它在衡量类别0的判定能力。  
 ##F-measure or balanced F-score  
   F = 2 \* 召回率 \* 准确率/ (召回率+准确率)；这就是传统上通常说的F1 measure，另外还有一些别的F measure，可以参考下面的链接  
   上面这些介绍可以参考：  
   http://en.wikipedia.org/wiki/Precision\_and\_recall  
   同时，也可以看看：  
   http://en.wikipedia.org/wiki/Accuracy\_and\_precision  
   在统计信号分析中，有另外两个指标来衡量分类器错误判断的后果：  
 ##漏警概率（Missing Alarm）

MA = FN/(TP + FN) = 1–TP/T = 1-R；

  反映有多少个正例被漏判了（我们这里就是真正的导弹信号被判断为模拟信号&#