分类性能评估指标 — 理论篇 — TP、TN、FP、FN，precision、recall、F1、PR曲线，sensitivity、specificity，FPR、TPR、ROC曲线

1. 混淆矩阵：TP，TN，FP，FN

        TP：true positive，实际为正例，预测为正例

        TN：true negative，实际为负例，预测为负例

        FP：false positive，实际为负例，预测为正例

        FN：false negative，实际为正例，预测为负例

2. precision, recall，F1，PR曲线

        precision：精确率、查准率，预测为正例的样本中，实际为正例的样本所占的比例

        recall：召回率、查全率，预测正确的正例样本，占实际正例样本的比例

        F1 是 precision 和 recall 的调和平均数

        PR曲线：以Precision为Y轴，Recall为X轴绘制而成

3. sensitivity，specificity

        sensiticity：敏感性（对正例样本的敏感性）

        

        specificity：特异度（可以理解为负例样本的敏感性）

4. FPR，TPR，ROC曲线

        FPR：false positive rate，假正例率；预测误判为正例的负样本数量占实际所有负样本的比例

        TPR：true positive rate，真正例率；预测正确的正样本数量占实际所有正样本的比例

        ROC曲线：以TPR为Y轴，FPR为X轴绘制而成；ROC曲线下面积为AUC。