模型评价指标

1. 真正例（True Positive, TP）：模型正确预测到的正例。
2. 真反例（True Negative, TN）：模型正确预测到的反例。
3. 假正例（False Positive, FP）：模型错误预测为正例的反例。
4. 假反例（False Negative, FN）：模型错误预测为反例的正例。

基于这四个基本概念，我们可以计算精确度（Precision）、召回率（Recall）等性能指标。

• 精确度：预测值为True且真实值也为True的样本在预测值为True的所有样本中所占的比例。以西瓜问题为例，即算法挑出来的好西瓜中有多少是真正的好西瓜。
  
• 召回率：预测值为True且真实值也为True的样本在真实值为True的所有样本中所占的比例。以西瓜问题为例，即所有的好西瓜中有多少好西瓜被算法挑了出来。
  
• F1分数（F1-Score）：定义为精确度和召回率的调和平均数。