在机器学习建模过程中，针对不同的问题，需采用不同的模型评估指标。 主要分为两大类：分类、回归。 分类 1、混淆矩阵 2、准确率（Accuracy） 3、错误率（Error rate） 4、精确率（Precision） 5、召回率（Recall） 6、F1 score 7、ROC曲线 8、AUC 9、PR曲线 10、对数损失（log_loss） 11、分类指标的文本报告（classification_report） 1、混淆矩阵 真正(True Positive , TP)：被模型预测为正的正样本。 假正(False Positive , FP)