特异度（specificity）与灵敏度（sensitivity）

https://www.jianshu.com/p/7919ef304b19

查全率（Recall），查准率（Precision），灵敏性（Sensitivity），特异性（Specificity），F1，PR曲线，ROC，AUC的应用场景

https://www.e-learn.cn/content/qita/2520407

（具体其他指标见网址，这里直拿出recall，pre，sen，spe，之间的关系）

查全率（Recall）：recall是相对真实的情况而言的：假设测试集里面有100个正类，如果模型预测出其中40个是正类，那模型的recall就是40%。查全率也称为召回率，等价于灵敏性（Sensitivity）和真正率（True Positive Rate，TPR）。

（P，特异性（specificity）相当看正确预测的负类占所有负类的总和，而准确率（accuracy）相当正类负类所有的正确的预测数量占所有数量的总和。另外，对于我个人用的分类，灵敏性和特异性只需要其中一个就行）

查准率（Precision）：precision是相对模型的预测结果而言的：假设模型一共预测出了100个正类，其中80个是正确的，那么precision就是80%。

混淆矩阵

https://baike.baidu.com/item/%E6%B7%B7%E6%B7%86%E7%9F%A9%E9%98%B5/10087822?fr=aladdin

多分类

https://blog.csdn.net/ybdesire/article/details/98099809

标签：pre,F1,负类,TNR,recall,正类,查全率,灵敏性,https
来源： https://www.cnblogs.com/rinroll/p/14134428.html