ROC/AUC/PR解读

PR曲线（准确率-召回率曲线）

首先祭出这个表~

	真实的 正	真实的 反
预测的 正	TP	FP
预测的 反	FN	TN

准确率 precision＝TP/(TP+FP)
召回率 recall=TP/(TP+FN)

ROC曲线

全名是“受试者工作特征曲线”，（纵轴：真正例率，横轴：假正例率）
真正例率(True Postive Rate)：（Sensitivity（灵敏度））
TPR = TP/(TP+FN), 代表真实的正类中，有多少预测对了（预测的也是正类）

假正例率(False Postive Rate)： （1-Specificity）
FPR = FP/(FP+TN)，代表 真正的负类中，有多少被预测成了正类

如何绘制ROC曲线

两