机器学习和深度学习评估性能的方法

常常采用准确率（accuracy）、精确率（precision）、召回率（recall）和 F1 值（F1 score）等指。其中准确率是指模型预测数据中正例的数量与所有数据的数量之比，精确率是指模型预测为真的数据中实际为真的数据占预测为真的数据的比例，召回率是指实际为真的数据中被正确预测为真的数据所占所有实际为真的数据的比例，F1 值综合了精确率和召回率，是这两个指标的调和平均数。除此之外，还可以采用AUC（Area Under the ROC Curve）、ROC 曲线、PR（Precision-Recall）曲线等指标来评估机器学习和深度学习模型的性能。