一、Top-1错误率
就是你预测的label取最后概率向量里面 最大的那一个作为预测结果 ，如过你的 预测结果中概率最大的那个分类正确，则预测正确。否则预测错误
二、Top-5错误率
最后概率向量最大的前五名中，只要出现了正确概率即为预测正确。否则预测错误。
三、 拓展概念
TP(True Positive): 真实为0，预测也为0（被判定为正样本，事实上也是正样本）
FN(False Negative): 真实为0，预测为1（被判定为负样本，但事实上是正样本）
FP(False Positive): 真实为1，预测为0（被判定为正样本，但事实上是负样本）
TN(True Negative): 真实为1，预测也为1（被判定为负样本，事实上也是负样本）
1）正确率（accuracy）
正确率是我们最常见的评价指标
这个很容易理解，就是被分对的样本数除以所有的样本数，通常来说，正确率越高，分类器越好；
2）错误率（error rate)
错误率则与正确率相反，描述被分类器错分的比例
对某一个实例来说，分对与分错是互斥事件，所以
3）灵敏度（sensitive）
表示的是所有正例中被分对的比例，衡量了分类器对正例的识别能力；
4）特效度（specificity)
表示的是所有负例中被分对的比例，衡量了分类器对负例的识别能力；
5）精度（precision）
精度是精确性的度量，表示被分为正例的示例中实际为正例的比例
6）召回率（recall）
召回率是覆盖面的度量，度量有多个正例被分为正例
可以看到召回率与灵敏度是一样的。
