评估指标根据任务类型分类：分类指标、回归指标、聚类指标和排序指标等。
一、分类指标
二分类的混淆矩阵：
TP (真正，True Positive)：表示真实结果为正例，预测结果也是正例；
FP (假正，FalsePositive )：表示真实结果为负例，预测结果却是正例；
TN (真负, True Negative )：表示真实结果为正例，预测结果却是负例；
FN (假负，False Negative )：表示真实结果为负例，预测结果也是负例。
TP+FP + FN+ TN=样本总数。
精确率、召回率和F1值的定义公式：
注：1）理想情况下，精确率和召回率两者都越高越好。事实上，精确率和召回率在某些情况下是矛盾的。精确率高时，召回率低；而精确率低时，召回率高；在不同场合需要根据实际需求判断哪个指标更重要。比如在推荐产品时，如果推荐最相关的那一个产品，那精确率就将近100%，而召回率就很低；如果将全部产品都推荐给用户，那召回率接近100%，而精确率就很低。
2）P-R曲线：召回率R为横轴、精确率P为纵轴。P-R曲线越靠近右上角性能越好，曲线下的面积叫AP分数( Average Precision Score,平均精确率分数)。不同模型的AP分数，在一定程度上反映模型的精确率和召回率都高的比例。
3）F1值是精确率和召回率的调和平均值。F值可泛化为对精确率和召回率赋不同权重进行加权调和：
（P、R为精确率和召回率的缩写）
4）准确率和错误率也是常用的评估指标。
精确率和准确率区别：精确率是一个二分类评估指标，而准确率能做多分类评估指标。