精度检验方法（之二分类）

1.0-1分类的混淆矩阵

		预测值
		0	1
真值	0	00	01
	1	10	11

True Negative（真负 , TN）被模型预测为负的负样本 ：00

False Positive （假正, FP）被模型预测为正的负样本：  01

False Negative（假负 , FN）被模型预测为负的正样本：10

True Positive （真正, TP）被模型预测为正的正样本： 11

2.召回率（Recall）

Recall= TP /（TP + FN）=11/(10+11)

基本含义：正样本中有多少被识别出来

3.精确度（Precision）

Precision=TP/(TP+FP)=11/(11+01)

基本含义：预测的正样本中有多少是真的

4.总体精度/准确率（Accuracy）

Accuracy=(TN+TP)/(TN+TP+FN+FP)=(00+11)/(00+11+01+10)

基本含义：预测结果中无论正负样本正确的

5.F1 measure

F1 =2*Precision*Recall/(Precision+Recall)

二分类化简一下：

F1 =2*TP/(2*TP+FN+FP)

6.错分误差（commission errors）

commission errors=FP/(TP+FP)=01/(01+11)

7.漏分误差（omission errors）

omission errors=FN/(FN+TP)=10/(10+11)