准确率&&召回率
信息检索、分类、识别、翻译等领域两个最基本指标是准确率（precision rate）和召回率（recall rate），准确率也叫查准率，召回率也叫查全率。这些概念非常重要的一个前提是针对特定的分类器和测试集的，即不同的数据集也会导致不同的结果。
True Positives,TP：预测为正样本，实际也为正样本的特征数
False Positives,FP：预测为正样本，实际为负样本的特征数（错预测为正样本了，所以叫False）
True Negatives,TN：预测为负样本，实际也为负样本的特征数
False Negatives,FN：预测为负样本，实际为正样本的特征数（错预测为负样本了，所以叫False）
TP+FP+FN+FN：特征总数(样本总数)
TP+FN：实际正样本数
FP+TN：实际负样本数
TP+FP：预测结果为正样本的总数
TN+FN：预测结果为负样本的总数
通过医生诊病的例子来理解和记忆。 假设下面的场景：
医生为病人看病，病人是否有病与医生是否正确诊断，两个条件两两组合就形成了四种可能性。
病人有病并且被医生正确诊断，属于TP，即真阳性；
病人有病并且被医生错误诊断，属于FN，即假阴性；
病人无病并且被医生正确诊断，属于TN，即真阴性；
病人无病并且被医生错误诊断，属于FP，即假阳性；
再举一个最近正在做的一个动作识别的例子。
假定测试集合为100条数据，其中90条数据被模型判定为驾车，10条数据被判定为步行。在被判定为驾车的90条数据中，有80条数据是被正确判断的，10条数据是被错误判断的；在被判定为步行的10条数据中，有6条数据是被正确判断的，4条数据是被错误判断的。那么，我们将这四个数据填写到表格中。
TP = 80; FP = 10
FN = 4; TN = 6
这些数据都是针对驾车这一个类别来分类的，也就是准确率和召回率是针对某一个特定的类别来说的。
准确率的计算为 80 / (80 + 10) = 8/9，召回率的计算为80 / (80 + 4) = 20/21。
再举一个例子，这个例子是我最初用来理解准确率和召回率的例子，但是在我真正理解了准确率和召回率之后，这个例子反而具有了迷惑性。下面是网络上传的比较多的版本。
某池塘有1400条鲤鱼，300只虾，300只鳖。现在以捕鲤鱼为目的。撒一大网，逮着了700条鲤鱼，200只虾，100只鳖。那么，这些指标分别如下：
正确率 = 700 / (700 + 200 + 100) = 70%
召回率 = 700 / 1400 = 50%
如果将池子里的所有的鲤鱼、虾和鳖都一网打尽，这些指标则变化为如下：
正确率 = 1400 / (1400 + 300 + 300) = 70%
召回率 = 1400 / 1400 = 100%
之所以说这个例子有迷惑性，是我们应该用什么数据来填写上述的表格呢，也就是如何找到TP、FP、FN、TN呢？其实这个例子，有一些条件被默认了，或者被隐藏了，没有直接写出来。首先，这2000个生物是我们的整体的测试集合，当我们以鲤鱼为目的来进行分类时，将其中的1000个标记为鲤鱼类，剩余的1000个标记为非鲤鱼类，其中标记为鲤鱼类的1000个中，700个是被正确标记的，300个是被错误标记的；标记为非鲤鱼类的1000个中，700个是被错误标记的，300个是被正确标记的。其次，分类器是渔网开始捕捉时的行为，而不是已经捕捉完成之后的分类行为。
TP = 700; FP = 300
FN = 700; TN = 300
计算公式
准确率 = 系统检索到的相关文件/系统所有检索到的文件总数 (TP/(TP+FP))
召回率 = 系统检索到的相关文件/系统所有相关的文件总数 (TP/(TP+FN))
F值 = 准确率 * 召回率 * 2 / （正确率 + 召回率），F值即为正确率和召回率的调和平均值
准确率和召回率是互相影响的，理想情况下肯定是做到两者都高，但是一般情况下准确率高、召回率就低；召回率高、准确率就低，当然如果两者都低，那是什么地方出问题了。一般情况下，用不同的阈值（此处可认为是不同的模型），统计出一组不同阈值下的准确率和召回率，如下图：
如果是做搜索，那就是保证召回的情况下提升准确率；如果做疾病监测、反垃圾，则是保证准确率的条件下，提升召回。所以，如果在两者要求都高的情况下，可以用F值来衡量。
ROC&&AUC
ROC和AUC是评价分类器的指标，ROC的全名是Receiver Operating Characteristic。
ROC关注两个指标：
True Positive Rate（TPR） = TP / (TP + FN)，TPR代表能将正例分对的概率
False Positive Rate（FPR） = FP / (FP + TN)，FPR代表将负例错分为正例的概率
在ROC空间中，每个点的横坐标是FPR，纵坐标是TPR，这也描述了分类器在TP（真正的正例）和FP（错误的正例）间的trade-off。ROC的主要分析工具是一个画在ROC空间的曲线——ROC curve。我们知道，对于二值分类问题，实例的值往往是连续值，我们通过设定一个阈值，根据不同的阈值进行分类，根据分类结果计算得到ROC空间中相应的点，连接这些点就形成ROC curve。ROC curve经过（0，0），（1，1），实际上（0，0），（1，1）连线形成的ROC curve实际上代表的是一个随机分类器。一般情况下，这个曲线都应该处于（0，0），（1，1）连线的上方。如图所示：
用ROC curve来表示分类器的performance很直观好用。可是，人们总希望能有一个数值来标识分类器的好坏。于是Area Under roc Curve（AUC）就出现了。顾名思义，AUC的值就是处于ROC curve下方的那部分面积的大小。通常，AUC的值介于0.5到1.0之间，较大的AUC代表了较好的performance。
从Mann-Whitney U statistic的角度来解释，AUC就是从所有1样本中随机选取一个样本，从所有0样本中随机选取一个样本，然后根据你的分类器对两个随机样本进行预测，把1样本预测为1的概率为p1，把0预测为1的概率为p0，p1 > p0的概率就等于AUC。所以AUC反映的是分类器对样本的排序能力。根据这个解释，如果我们完全随机的对样本分类，那么AUC应该接近0.5。
AUC&&PR
一个分类算法，找个最优的分类效果，对应到ROC空间中的一个点。通常分类器的输出都是Score，比如SVM、神经网络，有如下的预测结果：
TABLE 一般分类器的结果都是Score表
| No. | True | Hyp | Score |
|---|---|---|---|
| 1 | p | y | 0.99999 |
| 2 | p | y | 0.99999 |
| 3 | p | y | 0.99993 |
| 4 | p | y | 0.99986 |
| 5 | p | y | 0.99964 |
| 6 | p | y | 0.99955 |
| 7 | n | y | 0.68139 |
| 8 | n | y | 0.50961 |
| 9 | n | n | 0.48880 |
| 10 | n | n | 0.44951 |
True表示实际样本属性，Hyp表示预测结果样本属性，第4列即是Score，Hyp的结果通常是设定一个阈值，比如上表就是0.5，Score>0.5为正样本，小于0.5为负样本，这样只能算出一个ROC值，为更综合的评价算法的效果，通过取不同的阈值，得到多个ROC空间的值，将这些值描绘出ROC空间的曲线，即为ROC曲线。
有了ROC曲线，更加具有参考意义的评价指标就有了，在ROC空间，算法绘制的ROC曲线越凸向左上方向效果越好，有时不同分类算法的ROC曲线存在交叉，因此很多文章里用AUC（即Area Under Curve曲线下的面积）值作为算法好坏的评判标准。
与ROC曲线左上凸不同的是，PR曲线是右上凸效果越好，下面是两种曲线凸向的简单比较：
作为衡量指标，选择ROC或PR都是可以的。但是参考资料显示，ROC和PR虽然具有相同的出发点，但并不一定能得到相同的结论，在写论文的时候也只能参考着别人已有的进行选择了。
参考资料：
- AUC && PR的关系
