笔记1：机器学习中的评估指标

0.混淆矩阵

实际中的混淆矩阵也有可能Negative在前，Positive在后，具体如何定完全由人来决定

1.准确率(Accuracy)

                    ==

2.精度(Precision)(对某一预测指标而言)

                     ===

3.召回率(查全率)(Recall)(对某一结果而言)

              ===

4.F1-score

精度与召回率的调和平均数

5.Fβ-score(β的取值大小取决于评估指标偏向精度抑或是召回率)

当β=0时，f_β_score = precision

当β=∞时，f_β_score = recall

当β=1时，f_β_score = f1_score

6.R2-score(决定系数，拟合优度)

一般地，r2_score(0,1)，

若预测不准确，则就越大，r2_score趋于0；

若预测结果与实际越接近，则就越小，r2_score趋于1.

7.ROC曲线