评价指标是针对同样的数据，输入不同的算法，或者输入相同的算法但参数不同而给出这个算法或者参数好坏的定量指标。
以下为了方便讲解，都以二分类问题为前提进行介绍，其实多分类问题下这些概念都可以得到推广。
准确率
准确率是最好理解的评价指标，它是一个比值：
\[
准确率 = \cfrac{算法分类正确的数据个数}{输入算法的数据的个数}
\]
但是使用准确率评价算法有一个问题，就是在数据的类别不均衡，特别是有极偏的数据存在的情况下，准确率这个评价指标是不能客观评价算法的优劣的。例如下面这个例子：
我们检测对 1000 个人是否患有癌症进行检测，其实癌症是一个发病率很低的疾病，我们就假定这 1000 个人里面只有 3 个人真正患病。
此时，我们可以“无脑地”设计一个算法，就预测这 1000 个人全部健康。根据准确率的定义，除了那 3 个真正患病的病人我们预测错了，其余健康的 997 人我们的算法都预测正确了，此时
\[
准确率 = \cfrac{算法分类正确的数据}{输入算法的数据的总数} = \cfrac{997}{1000} = 99.7\%
\]
事实上，这样的算法没有任何的预测能力，真的用于医疗是极其不负责的，于是我们就应该考虑是不是评价指标出了问题。这个时候就需要别的评价指标了。
精准率、召回率
要解释清楚精准率和召回率，得先解释混淆矩阵，二分类问题的混淆矩阵由 4 个数构成。首先我们将二分类问题中，我们关心的，少数的那一部分数据，我们称之为正例（positive），就如同预测癌症，癌症患者就定义为正例。那么剩下的就定义为负例（negative）。
于是，我们定义：
TN：算法预测为负例（N），实际上也是负例（N）的个数，即算法预测对了（True）；
FP：算法预测为正例（P），实际上是负例（N）的个数，即算法预测错了（False）；
FN：算法预测为负例（N），实际上是正例（P）的个数，即算法预测错了（False）；
TP：算法预测为正例（P），实际上也是正例（P）的个数，即算法预测对了（True）。
这 4 个定义由两个字母组成，第 1 个字母表示算法预测正确或者错误，第 2 个字母表示算法预测的结果。
混淆矩阵
混淆矩阵定义如下：
| 预测值 0 | 预测值 1 | |
|---|---|---|
| 真实值 0 | TN | FP |
| 真实值 1 | FN | TP |
记忆方法：真实值更重要，所以真实值处在第一个维度，就是行。
精准率（precision）的定义：
\[
{\rm precision} = \cfrac{TP}{TP+FP}
\]
所以，精准率就是“预测为正例的那些数据里预测正确的数据个数”。
召回率（recall）的定义：
\[{\rm recall} = \cfrac{TP}{TP+FN}\]
所以，召回率就是“真实为正例的那些数据里预测正确的数据个数”。
在不同的应用场景下，我们的关注点不同，例如，在预测股票的时候，我们更关心精准率，即我们预测升的那些股票里，真的升了有多少，因为那些我们预测升的股票都是我们投钱的。而在预测病患的场景下，我们更关注召回率，即真的患病的那些人里我们预测错了情况应该越少越好，因为真的患病如果没有检测出来，结果其实是很严重的，之前那个无脑的算法，召回率就是 0。
精准率和召回率是此消彼长的，即精准率高了，召回率就下降，在一些场景下要兼顾精准率和召回率，就有 F1 score。
F1 score
F1 score 是精准率和召回率的兼顾指标，定义如下：
\[\frac{1}{F1} = \frac{1}{2}(\frac{1}{precision} + \frac{1}{recall})\]
整理一下：
\[F1 = \frac{2 \cdot precision \cdot recall}{precision + recall}\]
其实 F1 score 是精准率和召回率的调和平均数，调和平均数的性质就是，只有当精准率和召回率二者都非常高的时候，它们的调和平均才会高。如果其中之一很低，调和平均就会被拉得接近于那个很低的数。
AUC（Area Under Curve）
AUC 是另一种评价二分类算法的指标，被定义为 ROC 曲线下的面积，显然这个面积的数值不会大于 1。我个人觉得和 F1 score 差不多，都是综合评价精准率和召回率的指标，只不过绘制 ROC 曲线使用了另外两个此消彼长的指标 。
横坐标：假正率（False positive rate， FPR），预测为正但实际为负的样本占所有负例样本的比例；
\[FPR = \frac{FP}{TN + FP}\]
纵坐标：真正率（True positive rate， TPR），这个其实就是召回率，预测为正且实际为正的样本占所有正例样本的比例。
\[TPR = \frac{TP}{TP + FN}\]
诸如逻辑回归这样的分类算法而言，通常预测的都是一个概率值，我们会认为设置一个阈值，超过这个阈值，就预测为其中一类，不超过这个阈值，定义为另外一类。于是，不同的阈值就对应了不同的假正率和真正率，于是通过不同的阈值就形成了假正率和真正率序列，它们就可以在直角坐标系上通过描点成为光滑曲线。这个曲线就是 ROC 曲线，ROC 曲线下的面积就是 AUC。
AUC 高的算法通常认为更好。
那么为什么不用精准率和召回率画曲线求面积呢，其实是完全可以的。
精准率-召回率曲线也叫 pr 曲线，画出来是这样的。
而 roc 曲线画出来是这样的：
pr 曲线从左到右是下降的，roc 曲线从左到右是上升的，我个人觉得二者都行，只不过最终人们都采用 roc 曲线（上面两张图片都来自 scikit-learn 官方网站）。
参考资料：
机器学习之分类性能度量指标 : ROC曲线、AUC值、正确率、召回率
https://zhwhong.cn/2017/04/14/ROC-AUC-Precision-Recall-analysis/