分类问题的模型评估指标总结
在分类任务下，预测结果(Predicted Condition)与正确标记(True Condition)之间存在四中不同的组合，构成混淆矩阵(可适用于多分类)，通常有这几种主要模型评估指标：精确率(查的准)、召回率(查的全对正样本的区分能力)、F1值(反映模型的稳健性)等。
TP：真正例(true positive)
FP：伪正例(false positive)
TN：真反例(true negative)
FN：伪反例(false negative)
具体含义如下：