再补充一下：不同的evaluation metrics对比
1. Accuracy： 容易遇到accuracy paradox：当数据不均衡时，例如负样本是大多数，则没有参考意义。
2. F1-score: 兼顾了recall和precision，做了调和平均，但当对两者有偏好时也不好用
3. ROC AUC：主要的好处在于这个指标与数据正负样本的分布无关(是样本分布的条件分布)。所以适用于样本不均衡时。recall分母只与正样本有关。FPR分母只与负样本有关。所以二者不受样本分布的影响
4. Precision-Recall Curve：样本分布变化时，curve也会受之影响。