PR曲线和F1、ROC曲线和AUC

最近阅读机器学习，在评估学习器的性能时，书中提到了P、R、F1值度量和ROC曲线和AUC值度量。

P、R、F1

		预测结果
		正例	反例
真实情况	正例	TP（真正例）	FN（假反例）
	反例	FP（假正例）	TN（真反例）

P（查准率）：$P=\frac{TP}{TP+FP}$   即预测结果中真正的正例的比例。
R（查全率）：