AUC ROC 混淆矩阵

分类模型的评价指标： 1.准确率 2.精准率 3.召回率 4.f1-Score 5.auc曲线 混淆矩阵 混淆矩阵中有着Positive、Negative、True、False的概念，其意义如下： 称预测类别为1的为Positive（阳性），预测类别为0的为Negative（阴性）。 预测正确的为True（真），预测错误的为False（伪）。 [公式] [公式] TPRate的意义是所有真实类别为

>>阅读原文<<