分类常用评价指标

混淆矩阵

		Predict
		Positive	Negative
Real	Positive	TP	FN
	Negative	FP	TN

准确率

准确率（Accuracy）是指有在所有的判断中有多少判断正确的（即正类被预测为正类，负类被预测为负类）
$$accuracy=\frac{TP+TN}{TP+FP+FN+TN}$$

精确率

精确率（Precision）是指在预测为正类的样本中有多少为真正的正类
$$Precision=\frac{TP}{TP+FP}$$

召回率

召回率（Recall）是指正类样本中有多少被预测为正类
$$Recall=\frac{TP}{TP+FN}$$

特异率

特异率（Specificity）是指负类样本中有多少被预测为负类
$$Specificity=\frac{TN}{TN+FP}$$

F-Measure

有时精确率与召回率是矛盾的，F-Measure是精确率和召回率的加权调和平均
$$F_{\alpha }-Measure=\frac{({\alpha }^2+1)\times Precision\times Recall}{{\alpha }^2\times (Precision+Recall)}$$
当$\alpha =1$时，即为最常见的F1-Measure
$$F1=\frac{2\times Precision\times Recall}{Precision+Recall}$$

马修斯相关系数

马修斯相关系数（Matthews Correlation Coefficient）本质上是一个描述实际分类与预测分类之间的相关系数，它的取值范围为$[0,1]$，取值为1时表示对受试对象的完美预测，取值为0时表示预测的结果还不如随机预测的结果，-1是指预测分类和实际分类完全不一致。
$$MCC=\frac{TP\times TN-FP\times FN}{\sqrt{(TP+FP)\times (TP+FN)\times (TN+FP)\times (TN+FN)}}$$