1.sensitivity，也叫recall，true positive rate，含义是预测为正向的case中对的（true positive）和所有事实为正向的case的比例。
2.specificity，也叫，true negative rate，含义是预测为负向的case中对的(true negative)和所有事实为负向的case的比例。
3.roc（receiver operating characteristic）
roc可以用来评价两个分类的分类算法。
roc曲线的纵轴是sensitivity即预测为正向的case中对的（true positive）和所有事实为正向的例子的比例，横轴是fall-out，含义是预测为正向的case中错的和所有事实为负向的比例。
一般的曲线为下图，通过调整threshold，得到不同的true positive rate和false positive rate的值。
有了roc曲线，roc曲线下方的面积可以用来衡量算法的好坏。
- .90-1 = excellent (A)
- .80-.90 = good (B)
- .70-.80 = fair (C)
- .60-.70 = poor (D)
- .50-.60 = fail (F)
参考链接：