常用的评价指标

分类问题

分类问题的标签是离散的，一般是无序且独立的。

分类问题可以细分为:

• 二分类问题
  是指数据的标签只有两类，比如图片的猫狗识别，只有猫和狗两类。一般用 正样本(1) 和 负样本(0) 来分别表示这两类。
• 多分类问题
  是指数据的标签有多类，比如阿拉伯数字识别，需要根据图片来识别这个数字是 0 至 9 的哪个数字。这是一个 10 分类问题，用 0 至 9 分别表示这 10 个类别。

前面的问题，输出都是某个标签，这些标签是互斥的，比如在猫狗识别的例子中，某图片要么是猫要么是狗。但有的问题的输出不是互斥标签。

• 多标签分类问题
  比如一个文档相关的话题. 一个文本可能被同时认为是宗教、政治、金融或者教育相关话题。

ACC准确率：
准确率=
预测的样本数
预测对的样本数
​

混淆矩阵

其中 T 和 F 分别表示 true 和 false，表示预测的是否准确。 P 和 N 分别表示 positive 和 negative ，分别表示预测为正样本和负样本。根据混淆矩阵，查准率和查全率的公式定义如下：

Precession
Recall
F1
ROC和AUC

排序问题

MAP
MRR
NDCG

参考资料：
Enlighten AI · 机器学习