auc与aupr

1：查准率，查全率
T：True
F：Flase
P：Positive
N：negative
什么是真正例（TP），假反例（FN），假正例（FP），真反例（TN）
查准率关心的是”预测出正例的正确率” 从正反例子中挑选出正例的问题
查全率关心的是”预测出正例的保证性” 从正例中挑选出正例的问题

ROC是TPR为y轴，FPR为x轴做的曲线图
AUC即AUROC，为ROC曲线下的面积
AUPR是pr曲线下的面积，PR即 召回率和正确率组成的曲线图
主要的区别是，一个是作用在平衡数据集中，一个是作用在高度不平衡的数据集中。
如果只有较高的召回率，只能说明你的模型或者方法可以预测出较多的数据，但并不能保证预测出的样本是正确的。
如果只有较高的正确率，说明所预测的样本的正确的，但只能是很少一部分数据集。