衡量机器学习模型的指标
为了进一步了解模型的能力，我们需要某个指标来衡量，这就是性能度量的意义。有了一个指标，我们就可以对比不同的模型了，从而知道哪个模型相对好，哪个模型相对差，并通过这个指标来进一步调参以逐步优化我们的模型。
1. 正确率、精确率和召回率
假设你有一台用来预测某种疾病的机器，这台机器需要用某种疾病的数据作为输入，输出只可能是两种信息之一：有病或者没病。虽然机器的输出只有两种，但是其内部对疾病的概率估计p是一个实数。机器上还有一个旋钮用来控制灵敏度阈值a。因此预报过程是这样子：首先用数据计算出p，然后比较p和a的大小，p>a输出有病（检测结果为阳性）,p<a就输出没病（检测结果为阴性）。
如何评价这台机器的疾病预测性能呢？这里就要注意了，并不是每一次都能准确预报的机器就是好机器，因为它可以次次都预报有疾病（把a调很低），自然不会漏掉，但是在绝大多数时候它都只是让大家虚惊一场，称为虚警；相反，从不产生虚警的机器也不一定就是好机器，因为它可以天天都预报没有病（把a调很高）——在绝大数时间里这种预测显然是正确的，但也必然漏掉真正的病症，称为漏报。一台预测能力强的机器，应该同时具有低虚警和低漏报。精确率高意味着虚警少，能保证机器检测为阳性时，事件真正发生的概率高，但不能保证机器检测为阴性时，事件不发生。相反，召回率高意味着漏报少，能保证机器检测为阴性时，事件不发生的概率高，但不能保证机器检测为阳性时，事件就一定发生。
先介绍几个常见的模型评估术语，现在假设分类目标只有两类，正例（Positive）和负例（Negative）分别是：
- 真正例（True Positives, TP）：模型正确预测为正类的样本数。
- 真负例（True Negatives, TN）：模型正确预测为负类的样本数。
- 假正例（False Positives, FP）：模型错误预测为正类的样本数（实际上是负类）。
- 假负例（False Negatives, FN）：模型错误预测为负类的样本数（实际上是正类）。
（1）正确率（Accuracy）=(TP+TN)/(所有样本数P+N)，最常见的评价指标，适用于样本均衡分布的情况，衡量整体分类准确性，即所有正确预测的样本数占总样本数的比例。
（2）错误率（Error Rate）=（FP+FN)/(所有样本数P+N)，与正确率相反，描述被分类器错分的比例，对某一个实例来说，分对与分错是互斥事件。
（3）灵敏度（Sensitive）=TP/P，表示的是所有正例中被分对的比例，衡量了分类器对正例的识别能力。
（4）特效度（Specificity）=TN/N，表示的是所有负例中被分对的比例，它衡量了分类器对负例的识别能力。
（5）精确度（Precision）=TP/(TP+FP)，也叫精度，针对预测结果而言，衡量模型预测为正类的样本中实际为正类的比例，反映了预测为正类的准确性。
（6）召回率（Recall）=TP/(TP+FN)=TP/P=灵敏度Sensitive，针对原来的样本而言，表示的是样本中的正例有多少被预测正确了，度量有多少个正例被分为正例。
比如我们一个模型对15个样本进行预测，然后结果如下： 真实值：0 1 1 0 1 1 0 0 1 0 1 0 1 0 0 预测值：1 1 1 1 1 0 0 0 0 0 1 1 1 0 1
精度(precision, 或者PPV, positive predictive value) = TP / (TP + FP)= 5 / (5+4) = 0.556
召回(recall, 或者敏感度，sensitivity，真阳性率，TPR，True Positive Rate) = TP / (TP + FN)
在上面的例子中，召回 = 5 / (5+2) = 0.714
特异度(specificity，或者真阴性率，TNR，True Negative Rate) = TN / (TN + FP)
在上面的例子中，特异度 = 4 / (4+2) = 0.667