模型评估指标是评估机器学习模型性能的重要工具。以下是一些常用的模型评估指标：
- 准确率 (Accuracy): 模型预测正确的样本数量占总样本数量的比例。
- 召回率 (Recall): 模型正确预测的阳性样本数量占总阳性样本数量的比例。
- F1 分数 (F1 Score): 准确率和召回率的调和平均数。
- AUC (Area Under the ROC Curve): 用于二分类问题的模型评估指标，表示模型在所有可能的阈值下，真正例率与假正例率的积分平均值。
更多关于模型评估指标的信息，可以参考本站其他相关内容。