召回率表示的是樣本中的某類樣本有多少被正確預測了。比如對與一個分類模型，A類樣本包含A0個樣本，預測模型分類結果是A類樣本中有A1個正樣本和A2個其他樣本，那么該分類模型的召回率就是 A1/A0,其中 A1+A2=A0
准確率表示的是所有分類中被正確分類的樣本比例，比如對於一個分類模型，樣本包含A和B兩類，模型正確識別了A類中的A0個樣本，B類中的B0個樣本，則准確率為 （A0+B0）/（A+B)
ROC曲線是以假正率（FP_rate）和真正率（TP_rate）為軸的曲線，ROC曲線下面的面積我們叫做AUC，如下圖所示：
曲線與FP_rate軸圍成的面積（記作AUC）越大，說明性能越好，即：曲線越靠近A點(左上方）性能越好，曲線越靠近B點（右下方）曲線性能越差。
A點是最完美的performance點，B處是性能最差點。
位於C-D線上的點說明算法性能和隨機猜測是一樣的–如C、D、E點。位於C-D之上說明算法性能優於隨機猜測–如G點，位於C-D之下說明算法性能差於隨機猜測–如F點。
ROC曲線在高不平衡數據條件下仍不能夠很好的展示實際情況