标签：
Precision/Recall和ROC曲线的基本介绍可以看我的另一篇博客：
http://blog.csdn.net/adminabcd/article/details/46475361
接下来我们引入混淆矩阵：
当我们对样本进行分类时，会分成正例样本（记为1）和负例样本（记为0），根据分类结果与原始分类，可以计算出相应的混淆矩阵。那么则有：
Precision(pre)=true positive rate=tp/(tp+fp)
Recall(sen)=tp/(tp+fn)
spe=tn/(fp+tn)
false positive rate=1-spe=fp/(fp+tn)
Precision/Recall曲线的横坐标为Recall，纵坐标为Precision
ROC曲线的横坐标为false positive rate，纵坐标为true positive rate
标签：
原文地址：http://blog.csdn.net/adminabcd/article/details/46475697
