模型评估中的查准率、查全率、ROC曲线

P-R曲线

对于二分类问题，可以将训练集的真实类别与机器学习预测的类别划分为真正例(true positive) 、假正例(false positive) 、真反倒(true negative) 、假反例(false negative) 四种情形，令TP 、FP 、TN 、FN 分别表示其对应的样例数，则显然有TP+FP+TN+FN=样例总数。分类结果的“混淆矩阵”如下：

查准率 P 与查全率 R 的定义如下：

查准率与查全率是一对矛盾的度量，一般来说，查准率高时，查全率较低；查全率高时，查准率偏低，常用查准率 P 作为纵轴，查全率 R 作为横轴的 P-R 曲线来表示两者的变化情况。

在进行机器学习比较时，可以用平衡点来比较，也可以使用P、R 的调和平均数 F1 来综合度量模型的效果，其公式如下：

        <