准确率
TP / (TP + FP)
召回率
TP / (TP + FN)
P-R 曲线
将样本按照是正例的概率排序，概率越大的样本排在最前面。将样本逐个加入正例集合计算准确率和召回率，并以准确率为纵轴，召回率为横轴，绘制曲线图即可得到 P-R 曲线。
ROC（受试者工作特征，Receiver Operating Characteristic） 曲线的纵轴是真正例率（True Positive Rate，TPR），横轴是假正例率（False Positive Rate，FPR）
TPR = TP / (TP + FN)
FPR = FP / (FP + TN)
如果一个学习器的 ROC 曲线被另一个学习器 ROC 曲线完全包住，那么后者的性能优于前者，如果两个 ROC 曲线发生交叉，可以通过 AUC（Area Under ROC Curve）来比较。