梳理了一下分类中常见的指标，这些指标与时序异常检测中新提出的A-RUC与VUS之间的关系

• 真正例(True Positive,TP): 被正确识别为正样本的数量。
• 真负例(True Negative,TN): 被正确识别为负样本的数量。
• 假正例(False Positive ,FP): 被错误识为正样本数量
• 假负例(False Negative,FN): 被错误识别为负样本数量
• 精确度(Precision,Pr): 关注所有识别为正样本中的真实正样本占比,此外还有Precison@K,即取前K为都为正确结果的度量方式
  $$Pr(precision)=\frac{TP}{TP+FP}$$
• 召回率(Recall,Re): 又称TPR关注所有正确识别结果中的正样本占比
  $$Re(Recall)=\frac{TP}{TP+FN}$$
• F1(F1-score): F1分数，一个综合了Recall和Precision的评价β，通常取1
  $$\frac{(1+{\beta }^2)\ast Pr\ast Re}{{\beta }^2\ast Pr+Re}$$

参考资料:https://github.com/TheDatumOrg/VUS