在訓練好模型后做predict時正林，需要有一系列評價指標，以下是常用的幾個：
true positives (納真颤殴，真陽性)? ??
false positives（納偽觅廓，假陽性）
false negatives（去真，假陰性）檢測為negative實際為positive
true negatives? (去偽涵但，真陰性)
Recall(召回率)：所有正確的信息或者相關的信息(wanted)被檢測出來的比例杈绸；
Precision（準確率）：被檢測出來的信息當中 正確的或者相關的（也就是你想要的）信息中所占的比例；
F1-Meature（綜合評價指標）
在實際當中我們當然希望檢索的結果P越高越好矮瘟，R也越高越好瞳脓；事實上這兩者在某些情況下是矛盾的。比如澈侠，我們只搜出了一個結果劫侧，且是準確的，那么P就是100%哨啃，但是R就很低烧栋；而如果我們把所有結果都返回，那么必然R是100%拳球，但是P很低审姓。因此在不同的場合中需要自己判斷希望P比較高還是R比較高。如果是做實驗祝峻，可以繪制Precision-Recall曲線來幫助分析魔吐。
參考：http://blog.csdn.net/t710smgtwoshima/article/details/8215037
