[nlp] 二分类（F1），多分类，多标签

F1 score


召回率 recall ： 真实正例中预测为正的比例。
准确率 precision ： 预测为正的实例真实也为正（预测正确）的比例。

ROC曲线
其他展示分类模型性能的可视化技术是受试者特征曲线（ROC 曲线，Receiver Operating Characteristic curve）。
这个思想是相当简单的：ROC 曲线展示了 当改变在模型**（预测）中识别为正例的阈值时，召回率和精确度的关系会如何变化。
ROC 曲线在 Y 轴上画出了真正例率（TPR），在 X 轴上画出了假正例率(FPR)** 。TPR 是召回率，FPR 是反例被报告为正例的概率。这两者都可以通过混淆矩阵计算得到。