机器学习——常用的分类模型性能评价指标

分类模型的性能评价指标，主要包含准确率，精确率、召回率、f1_score，ROC曲线，AUC等

1、分类评价指标

先列出混淆矩阵

其中：
TP：真实值是positive，模型分为positive
FN：真实值是positive，模型分为negative
FP：真实值是negative，模型分为positive
TN：真实值是negative，模型认为是negative

1.1、准确度（Accuracy）

准确度：对于给定的测试集，模型正确分类的样本数与总样本数之比。
公式为：

1.2、精确度（precision）

精确度：对于给定测试集，分类模型将正类样本预测为正类的数量与将样本预测为正类的综述的比例。
公式：