针对分类

准确率（Accuracy）
准确率：这是机器学习中最直接的指标之一。它定义了模型的准确度。如果你建立的模型能准确分类100条数据中的90条数据，那么你的准确率就是 90% 或 0.90。评估的就是预测结果和真实结果的一致性。

# 从头实现
def accuracy(y_true, y_pred):
    correct_counter = 0
    # 遍历y_true，y_pred中所有元素
    for yt, yp in zip(y_true, y_pred):
        if yt == yp:
            # 如果预测标签与真实标签相同，则增加计数器
            correct_counter += 1
    # 返回正确率，正确标签数/总标签数
    return correct_counter / len(y_true)

# 我们还可以使用 scikit-learn 计算准确率。
In [X]: from sklearn import metrics
   ...: l1 = [0,1,1,1,0,0,0,1]
   ...: l2 = [0,1,0,1,0,1,0,0]
   ...: metrics.accuracy_score(l1, l2)
Out[X]: 0.625

精确率（P）
召回率（R）
F1 分数（F1）
AUC（AUC）
对数损失（Log loss）
k 精确率（P@k）
k 平均精率（AP@k）
k 均值平均精确率（MAP@k）

针对回归

平均绝对误差（MAE）
均方误差（MSE）
均方根误差（RMSE）
均方根对数误差（RMSLE）
平均百分比误差（MPE）
平均绝对百分比误差（MAPE）
R2