建模之后我们要对模型进行评价，模型的预测能力如何，是否存在欠拟合或是过拟合，这些需要通过一些评价指标来判断，均方误差是我们用的最多的评价指标。在sklearn中有很多工具能够帮助我们进行模型评价

一些模型评价的基本概念

下面介绍一些模型评估的基本概念：

真实情况 预测结果 含义 统计量
正例 反例
正例 TP(将正例正确预测为正例) FN(将正例错误预测为负例) TP + FN 表示实际数据集中正样本的数量 召回率Recall / 灵敏度Sensitivity / TPR = TP/(TP+FN)， 漏诊率 = 1 - 灵敏度
反例 FP(将负例错误的预测为正例) TN(将负例正确的预测为负例) FP + TN 表示实际数据集中负样本的数量 FPR = FP/(FP+TN), 特异度(Specificity) = 1 - FPR = TN/(FP+TN)
加和含义 TP + FP 表示预测的正类样本数 FN + TN 表示预测的负类样本数 TP + FN + FP + TN 表示样本总数
统计量 精确率Precision = TP/(TP+FP) 正确率Accuracy = (TP+TN)/(TP+TN+FP+FN), 错误率 = (FP+FN)/(TP+TN+FP+FN), F-measure = 2(PrecisionRecall)/(Precision+Recall)