分类任务
TP (True Positive) 真正例： 被模型预测为正的正样本。
FP (False Positive) 假正例：被模型预测为正的假样本。
FN (False Negative) 假负例：被模型预测为负的正样本。
TN (True Negative) 真负例：被模型预测为负的负样本
准确度
其中为被正确分类的样本个数，
为总样本的个数。
这个指标容易受到样本数量以及样本是否均衡带来的影响。
F1 score
精确率(Precision)：指分别正确的正样本个数占分类器判定为正样本的样本个数的比例。
召回率(Recall)：指分类正确的正样本个数占真正的正样本个数的比例。
F1 score 是精准率和召回率的调和平均值，
RMSE
被用来衡量回归模型的好坏。
其中，是第
个样本点的真实值，
是第
个样本点的预测值，
是样本点的个数。
一般情况下，RMSE能够很好地反映回归模型预测值与真实值的偏离程度。但在实际问题中，如果存在个别偏离程度非常大的离群点(Outlier)时，即使离群点数量非常少，也会让RMSE指标变得很差。
后面接着更新