【20210914】【机器深度学习】模型评价指标：精确率、召回率、特异性、敏感性、F1-s。。。
⼀、区分精确率、召回率和特异性、敏感性
在数据科学中，查看精确率和召回率来评估构建的模型是⼗分常见的。⽽在医学领域，通常使⽤特异性和敏感性来评估医学测试。这⼀点在兆观的论⽂、以及 xxx院的沟通过程中，也注意到这⼀点了~
这些指标有很⼤的相似之处，但也有些许区别，所以关键在于：不同的领域有不同的评价指标，在给出结果的时候，要考虑对⽅想要看的指标是什么？或者说，在对⽅的领域内，权威公认的测试指标是什么？
⼆、各个指标的定义
先给出⼀个混淆矩阵~mouth什么意思
carven
0. 准确率（Accuracy）
物理意义：在所有预测的样本中，有多少预测正确？
六级成绩查询时间
1. 精确率（Precision, 评价查准）
物理意义：在所有预测的正样本中，有多少的真的正样本？
2. 召回率（Recall, 评价查全）
物理意义：在所有的真实正样本中，有多少被预测成正样本？
3. 特异性（Specificity, 评价误诊）
物理意义：在所有的真实负样本中，有多少被预测成负样本？
ammonia4. 敏感性（Sensitivity, 评价漏诊）
过秦论原文及翻译物理意义：在所有的真实正样本中，有多少被预测成正样本？
可以看出，敏感性和召回率是⼀样的。
应用英语专业⼼得：⼯作中的睡眠呼吸异常检测只关注了精确率和召回率，⽽没有关注特异性和敏感性。换⾔之，忽略特异性的同时，没有太去关注对负样本的检测结果，因为精确率和召回率只关注对正样本的检测结果，⽽可能存在⾼精确率、⾼召回率但同时有低特异性的分类器，如下图：
提示英文
（但可能影响有没那么⼤，因为我们实际应⽤的场景，负样本的个数远超正样本的个数，和这个分类器⼜不完全⼀样）
（参考：）
5. F1-score
物理意义：Precision 和 Recall 的调和平均数
（参考：）
6. ROC曲线
ROC(Receiver Operation Characteristic) ⼜叫接受者操作特征曲线，物理意义：在特定的刺激条件下，以被试在不同判断标准下所得的虚报概率为横坐标，以击中概率为纵坐标，画得的各点的连线。
ROC曲线的横坐标为假正例率FPR，纵坐标为真正例率TPR。曲线距离左上⾓越近，表明分类器效果越好。horizontally
cg是什么意思的
7. AUCaluminum
AUC(Area under roc curve)，物理意义：ROC曲线下的⾯积。AUC越⼤，分类器分类效果越好。
（参考：）
（参考：）
