機器學習分類器評估指標：ROC和AUC

1 二分類評估指標 針對一個二分類問題，將實例分成正類(postive)或者負類(negative)。但是實際中分類時，會出現四種情況： (1)若一個實例是正類並且被預測爲正類，即爲真正類(True Postive TP) (2)若一個實例是正類，但是被預測成爲負類，即爲假負類(False Negative FN) (3)若一個實例是負類，但是被預測成爲正類，即爲假正類(False Postive

>>阅读原文<<