衡量分类器的好坏

FN：False Negative，判负，实正。

FP：False Positive，判正，实负。

TN：True Negative，判负，实负。

TP：True Positive，判正，实正。

精度 precision(P) = TP/(TP+FP)  ， 判正实正/判正

召回率 recall(R) = TP/(TP+FN)  ，判正实正/实正  

F1值：2/F1 = 1/R+ 1/P->  F1 = 2PR/(P+R)

ROC曲线：ROC空间是一个以伪阳率（FPR，false positive rate）为X轴，真阳率（TPR，true positive rate）为Y轴的二维坐标系所代表的平面。其中真阳率TPR= recall=TP/(TP+FN)=判正实正/判正，伪阳率FPR=FP/(FP+TN) = 判正实负/实负