1. 混淆矩阵

常用术语：
True positive（TP）：被正确地划分为正例的个数，即实际为正例且被分类器划分为正例的实例数；
False positive（FP）：被错误地划分为正例的个数，即实际为负例但被分类器划分为正例的实例数；
False negative（FN）：被错误地划分为负例的个数，即实际为正例但被分类器划分为负例的实例数；
True negative（TN）：被正确地划分为负例的个数，即实际为负例且被分类器划分为负例的实例数；

混淆矩阵

分类：

Metric	正确率(Accuracy)	准确率(Precision)	错误率(ErrorRate)	灵敏度(Sensitive)	特效度(Specificity)	召回率（Recall）	F-Score
定义

1. Roc

• TPR ：将正例分对的概率，作为ROC曲线的纵轴。

  
  

• FPR：将负例错分为正例的概率，作为ROC曲线的横轴。

  
  ROC曲线示例

2. AUC

AUC值为ROC曲线下所覆盖的区域面积，显然，AUC越大，分类器效果越好。

3. P-R曲线

---

回归评估指标

Metric	MAE	MSE	RMSE	MAPE	MASE
定义

---

距离/相似度

Metric	EculideanDistance	MinkowskiDistance	ManhattanDistance	ChebyshevDistance	MahahanobisDsitance	CosineSimilarity	Person Similarity	Jaccard Corfficient	Mutual Information	KL Divergence	JS Divergence	Earth Mover's Distance(Wasserstein Distance)
定义

---

计算视觉评估指标

推介系统

自然语言处理

信息检索