- 正确率(Accuracy)
Accuracy = (TP + TN)/(TP + TN + FP + FN) - 精准率(Precision)
记忆：在识别出某标签中正确的比例；
比如识别为某标签的一共有105个，其中有95个是识别对的，那Precision就是95/105；
TP/(TP+FP) - 召回率(Recall)
记忆：某标签总共的数量中正确识别的比例；
比如某标签一共100个样例，有95个被正确识别，那Recall就是95%；
TP/(TP+FN) - F1
2*Precision * Recall/(Precision + Recall) - TPR(TAR)
真正率（召回率：正例中有多少被识别为了正例）
AUC曲线纵坐标
P：positive（N：Negective）
A：accept（R：reject） - FPR (FAR)
假正率（误闯率：负例中有多少被预测为了正例子）
（负例的1-Recall）
AUC曲线横坐标
TPR如果高，FPR也容易高；极端情况下，所有样例均被预测为正例，那TPR=1；FPR=1；
-
FRR
记忆：拒识率/拒真率；也就是小偷和主人都没开锁成功的情况下，主人没开锁成功的比率；
FR/(RR + TR) -
EER: FAR = FRR
另一种AUC曲线，纵坐标为FRR，横坐标为FAR，画一条斜对角线，交点就是EER； -
AUC曲线
纵坐标：TPR
横坐标：FPR
AUC曲线越靠近左上方，越好，说明在TPR比较高的时候，也能保证FPR尽量低；
-
ROC面积
AUC曲线下方的面积
