准确率、精确率、召回率、F-Measure、ROC、AUC

准确率、精确率、召回率、F-Measure、ROC、AUC
　先理解⼀下正类（Positive）和负类（Negetive），⽐如现在要预测⽤户是否点击了某个⼴告链接，点击了才是我们要的结果，这时，点击了则表⽰为正类，没点击则表⽰为负类。

TP(True Positive)：被预测成了正类的正类，即正确预测的正类
FP(False Positive)：被预测成了正类的负类
TN(True Negetive)：被预测成了负类的负类，即正确预测的负类
FN(False Negetive)：被预测成了负类的正类
⼀、准确率（Accuracy）
准确率跟正类负类没多⼤关系，表⽰在预测结果中，正确预测的数量 / 样本总数。

⼆、精确率（Precision）
在预测结果中，正确预测的正类数 / 预测为正类的数量 : TP / (TP+FP）
三、召回率（Recall）
在预测结果中，正确预测的正类数 / 原本即为正类的数量 : TP / (TP+FN）
四、F-Measure
⽤precision和recall两个指标不直观，索性把他们合并为⼀个变量——F-measure：Recall * Precision * 2 / (Recall + Precision)（越⼤越好，1为理想状态，此时precision为1，recall为1）
五、ROC
ROC曲线是以 FP Rate 为横轴，TP Rate 为纵轴的曲线。

如下图所⽰
六、AUC
AUC 即 ROC 曲线对应的⾯积，⾯积越⼤越好。