TPR=TP/P :真正率：判断对的正样本占所有正样本的比例。 Precision=TP/(TP+FP) ：判断对的正样本占判断出来的所有正样本的比例
FPR=FP/N :负正率：判断错的负样本占所有负样本的比例。 Recall = TP/(TP+FN) = TP/P,就是TPR.
ROC曲线：横轴是FPR,纵轴是TPR。 绘制出的曲线应该在y=x直线之上，曲线积分的结果就是AUC的值。AUC越大则系统分类性能越好。
PR曲线：横轴是Precision，纵轴是recall. precision=TP/(TP+FP)，recall=TP/(TP+FN)，即传统意义上的准确率和召回率。绘制出的曲线有些类似于y = 1/x。
原文：http://www.cnblogs.com/rong86/p/4052787.html