准确率、召回率、F1分数、AUC、MSE

准确率（Accuracy）：指分类正确的样本数占总样本数的比例，可以反映模型分类的准确程度，计算公式为：准确率=分类正确的样本数/总样本数。

召回率（Recall）：指分类正确的正样本数占所有正样本数的比例，可以反映模型对正样本的识别能力，计算公式为：召回率=分类正确的正样本数/所有正样本数。

F1分数（F1-score）：综合考虑准确率和召回率，是准确率和召回率的调和平均数，计算公式为：F1分数=2*准确率*召回率/(准确率+召回率)。

AUC（Area Under Curve）：是ROC曲线下的面积，ROC曲线是以假正例率（False Positive Rate）为横轴，真正例率（True Positive Rate）为纵轴绘制的曲线，AUC反映了模型在不同阈值下分类性能的平均水平，AUC越大，模型性能越好。

MSE（Mean Squared Error）：是回归问题中常用的评估指标，表示预测值和真实值之间的平均方差，计算公式为：MSE=1/n * ∑(yi-y^i)^2，其中yi为真实值，y^i为预测值，n为样本数。