机器学习模型的性能度量方法

       对机器学习模型进行评估，不仅需要有效的实验评估方法，还需要有衡量模型泛化能力的评价指标，在这里总结一下常用的机器学习模型的性能度量方法，总结不完善的地方欢迎大家留言补充。

       以二分类为例，首先给出分类结果混淆矩阵：

真实情况	预测结果
	正例	反例
正例	TP	FN
反例	FP	TN

       上面表格各个变量代表的意义：
       TP:将正例预测为正例数；
       FN:将正例预测为负例数；
       FP:将负例预测为正例数；
       TN:将负例预测为负例数；

一准确率

$$Accuracy=\frac{TP+TN}{TP+FN+FP+TN}$$

二精确率(查准率)

P=TPTP+FP P=\frac{TP}{TP+FP}