概念

混淆矩阵是除了ROC曲线和AUC之外的另一个判断分类好坏程度的方法。
下面的图中，结果只有2个值（1或者0)

混淆矩阵:		打分值
		反应(预测=1)	未反应(预测=0)	合计
真实结果	呈现信号 (真实=1)	A(击中) True Positive	B(漏报) False Negative	A+B
	未呈现信号 (真实=0)	C(虚报) False Positive	D(正确否定) True Negative	C +D
合计		A+C	B +D	A+ B + C + D

1. 正确率=(A+D)/(A+B+C+D)
2. 灵敏度( Sensitivity ;覆盖率recall)=A/(A+B)
3. 命中率(Precision、PV+)=A/(A+C)
4. 特异度 (Specificity;负例的覆盖率)=D/(C+D)
5. 负命中率( PV-) = D/(D+B)

灵敏度和特异性越 大越好。