神经网络精度量化指标是什么？

神经网络精度量化指标有很多，以下是一些常见的指标：

1. 准确率（Accuracy）：指分类正确的样本数占总样本数的比例。

2. 精确率（Precision）：指预测为正例中真正为正例的样本数占预测为正例的样本数的比例。

3. 召回率（Recall）：指真正为正例中被预测为正例的样本数占真正为正例的样本数的比例。

4. F1值（F1-score）：综合考虑精确率和召回率，计算公式为：F1 = 2 * (Precision * Recall) / (Precision + Recall)。

5. ROC曲线（Receiver Operating Characteristic）：以假阳性率（False Positive Rate）为横轴，真阳性率（True Positive Rate）为纵轴绘制的曲线，用于评估一个二分类模型的性能。

6. AUC（Area Under the Curve）：ROC曲线下的面积，通常用来衡量一个二分类模型的性能。