机器学习分类模型评价指标总结（准确率、精确率、召回率、Fmax、TPR、FPR、ROC曲线、PR曲线，AUC，AUPR）

为了看懂论文，不得不先学一些预备知识（（55555

主要概念

解释见图

TP、FP、TN、FN

准确率、精确率（查准率）、召回率（查全率）

真阳性率TPR、伪阳性率FPR

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

最大响应分数Fmax为F1-score的最大值（在最佳阈值的前提下）

如下图：

HR指标（命中率）：正确分类的样本数 / 样本总数

ROC曲线、AUC指标：

PR曲线、AUPR指标：

AP指标（平均精确度）：在多标签分类任务中，分类别计算PR曲线，AP值为每个类别的AUPR

mAP指标：把AP值根据每个类别的样本量做加权平均，得到mAP

关于AUC和AUPR的计算方法：

【评价指标】如何计算模型评估中的AUC和AUPR值_aupr左上角为1-CSDN博客