RMSE、MAPE、準確率、召回率、F1、ROC、AUC總結

單純統計誤差的值。

MAPE(mean absolute percentage error) 平均百分比誤差

存在一個和原始數據相比較的過程。

準確率（precision）P：

P=TP/(TP+FP)

TP(true positive) FP(false positive)

P是代表預測爲真且真實爲真的數據佔預測爲真數據的比例。

召回率（recall）R:

R=TP/(TP+FN)

FN(false negitive)

R是代表預測爲真且真實爲真的數據佔真實爲真數據的比例。

F1三維顯示如下：

由圖可見 單純地追求P、R的提升並沒有太大作用。

思考：當真實數據比例較大時，一般的模型也能跑出較好的結果。

TPR=TP/(TP+FN) 

TPR(true positive rate)和R相同，代表預測爲真的真數據佔真實爲真數據的比例。

FPR=FP/(FP+TN)

FPR(false positive rate)僞正例佔真負例的比例。

ROC是由點（TPR,FPR）組成的曲線，AUC就是ROC的面積。AUC越大越好。