混淆矩阵，大家应该都有听说过，大致就是长下面这样子的：
所以，有几个概念需要先说明：
TP(True Positive): 真实为0，预测也为0
FN(False Negative): 真实为0，预测为1
FP(False Positive): 真实为1，预测为0
TN(True Negative): 真实为1，预测也为1
所以，衍生了几个常用的指标：
: 分类模型总体判断的准确率(包括了所有class的总体准确率)
: 预测为0的准确率
: 真实为0的准确率
: 真实为1的准确率
: 预测为1的准确率
: 对于某个分类，综合了Precision和Recall的一个判断指标，F1-Score的值是从0到1的，1是最好，0是最差
: 另外一个综合Precision和Recall的标准，F1-Score的变形
再举个例子：
混淆矩阵网络上有很多文章，也不用说刻意地去背去记，需要的时候百度一下你就知道。
代码语言：javascript复制—End—
