1. 混淆矩阵
常用术语：
True positive（TP）：被正确地划分为正例的个数，即实际为正例且被分类器划分为正例的实例数；
False positive（FP）：被错误地划分为正例的个数，即实际为负例但被分类器划分为正例的实例数；
False negative（FN）：被错误地划分为负例的个数，即实际为正例但被分类器划分为负例的实例数；
True negative（TN）：被正确地划分为负例的个数，即实际为负例且被分类器划分为负例的实例数；
混淆矩阵
分类：
| Metric | 正确率(Accuracy) | 准确率(Precision) | 错误率(ErrorRate) | 灵敏度(Sensitive) | 特效度(Specificity) | 召回率（Recall） | F-Score |
|---|---|---|---|---|---|---|---|
| 定义 |  |
 |
 |
 |
 |
 |
 |
1. Roc
-
TPR ：将正例分对的概率，作为ROC曲线的纵轴。
-
FPR：将负例错分为正例的概率，作为ROC曲线的横轴。
ROC曲线示例
2. AUC
AUC值为ROC曲线下所覆盖的区域面积，显然，AUC越大，分类器效果越好。
3. P-R曲线
回归评估指标
| Metric | MAE | MSE | RMSE | MAPE | MASE |
|---|---|---|---|---|---|
| 定义 |  |
 |
 |
 |
 |
距离/相似度
| Metric | EculideanDistance | MinkowskiDistance | ManhattanDistance | ChebyshevDistance | MahahanobisDsitance | CosineSimilarity | Person Similarity | Jaccard Corfficient | Mutual Information | KL Divergence | JS Divergence | Earth Mover's Distance(Wasserstein Distance) |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 定义 |  |
 |
 |
 |
 |
 |
 |
 |
 |
 |
 |
 |
计算视觉评估指标
推介系统
自然语言处理
信息检索
