模型评估指标

二、捕捉少数类的艺术
（1）精确度

精确度Precision： 又叫查准率，表示在所有预测结果为1的样例中，实际为1的样例数所占的比重。精确度衡量了”将样本量较多的类判错后所需付出成本“。

（2）召回率

召回率Recall： 又称为敏感度(sensitivity)、真正率、查全率等，表示在所有真实值为1的样本中，被我们预测正确的样本所占的比例。召回率越高，代表我们捕捉到了越多样本量较少的类。

注意： 召回率和精确度的分子是相同的（都是11），只是分母不同。二者是此消彼长的，他们之间的平衡代表了希望模型尽量捕捉到样本量较少的类，同时尽量不要误伤样本量较多的类。那么，究竟要偏向于哪一方呢？这取决于我们的业务需求，也就是我们需要判断究竟是误伤多数类的代价更高，还是无法捕捉少数类的代价更高？

（3）F1 score
为了同时兼顾精确度和召回率，我们引入了调和平均数这个综合性指标，又称为F1 score。F1 score越高，说明此时的精确度和召回率都比较高，该指标也分布在[0,1]之间，当然也是越接近1越好。

（4）sklearn中的混淆矩阵
sklearn当中提供了大量的类来帮助我们了解和使用混淆矩阵。