简单介绍二分类问题评价指标

1. 正确率(Accuracy)
   Accuracy = ​(TP + TN)/(TP + TN + FP + FN)
2. 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)
3. 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)
4. F1
   2*Precision * Recall/(Precision + Recall)
5. 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）
6. 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；

9. 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)

10. 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；

11. 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；
    

12. ROC面积
    AUC曲线下方的面积