混淆矩陣：
混淆矩陣的正例一般是我們需要關注的，常用1表示，反例是我們不關注的，常用0表示。例如：一個需要識別借貸需求的人的分類任務中，正例表示有借貸需求的人，反例表示沒有借貸需求的人。下面定義一些基於混淆矩陣的度量分類任務的方法：
查准率（Precision）：
基於這個借貸需求識別任務說明：所有識別出來的正例中真實正例的占比，越高越好。
召回率（Rcall）：
基於這個借貸需求識別任務說明：所識別出來的正例在在實際正例中的占比，越高越好。
當然TP越高，二者都高。但是現實中這兩個一般一個高，另一個就低。在借貸需求識別任務中識別出的正例會交給電話銷售，如果電話銷售成本高，我們當然希望識別出的正例中真實正例越高越好，即優先保證查全率高；如果電話銷售的成本低，那么有限保證召回率高。
F1度量：
