01準確率，精確率，召回率，F-1指標及ROC曲線
假設原樣本有兩類，正樣本True和負樣本False
正樣本 -------------------------------True
負樣本 --------------------------------False
真 正樣本 True Positive(TP)----------將正類預測為正類
真 負樣本 True Negative(TN)--------將負類預測為負類
假正樣本-------負樣本---------False Positive(FP)-------將負類預測為正類
假負樣本----------正樣本--------False Negative(FN)-----將正類預測為負類

AUC = 1，是完美分類器，採用這個預測模型時，不管設定什麼閾值都能得出完美預測。絕大多數預測的場合，不存在完美分類器。
　　0.5 < AUC < 1，優於隨機猜測。這個分類器（模型）妥善設定閾值的話，能有預測價值。
　　AUC = 0.5，跟隨機猜測一樣，模型沒有預測價值。
　　AUC < 0.5，比隨機猜測還差；但只要總是反預測而行，就優於隨機猜測。