摘要：
它反映了由分类器R=TP/（TP+FN）判断的阳性样本中真实阳性样本的特定召回率，并反映了所有阳性样本中正确分类的阳性样本比例的准确率A=（TP+TN）/（P+N）=（TP+TN）/（TP+FN+FP+TN）；是准确率和召回率的调和平均值1/F1=1/P+1/R，F1=2*A*R/（A+R）roc曲线的横坐标是fp_rate，纵坐标是tp_rate
精确率 P = TP/(TP+FP) ; 反映了被分类器判定的正例中真正的正例样本的比重
召回率 R = TP/(TP+FN)，反映了被正确分类的正样本占所有正样本的比例
准确率（Accuracy）
A = (TP + TN)/(P+N) = (TP + TN)/(TP + FN + FP + TN);
反映了分类器统对整个样本的判定能力——能将正的判定为正，负的判定为负
F1值，是精确率与召回率的调和均值
1/F1 = 1/P + 1/R ,
F1 = 2*A*R/(A+R)
roc曲线的横坐标是fp_rate，纵坐标是tp_rate。
fp_rate=fp/(fp+tn)
tp_rate=tp/(tp+fn)
求auc的时候可以计算roc曲线下面的面积，取多个阈值去计算fp_rate和tp_rate描点绘制roc曲线，然后计算面积。