網絡流量就是網絡上傳輸的數據量。網絡流量的大小對網絡架構設計具有重要意義，就像要根據來往車輛的多少和流向來設計道路的寬度和連接方式類似，根據網絡流量進行網絡的設計是十分必要的。
中文名：網絡流量
外文名：Networktraffic
含義：網絡上傳輸的數據
優點：高可擴充性，高性價比等
應用：校園網等
某個網站訪問的人多賺錢是因為（流量越多的網站，在網站做廣告的費用越高）所以賺錢（跟電視頻道收視率和廣告費用類似）。
擴展資料：
評價指標
流量分類的壹個關鍵度量標準是某個分類技術或分類模型對未知數據對象進行分類的準確率。通常用於衡量分類準確率的評估標準，主要包括以下四個方面：
真正（truepositive，TP）：表示被分類模型正確預測的正樣本數，即屬於類別A並被預測為類別A的樣本數。
假負（falsenegative，FN）：表示被分類模型錯誤預測為負類的正樣本數，即屬於類別A但被預測為不屬於類別A的樣本數。
假正（falsepositive，FP）：表示被分類模型錯誤預測為正類的負樣本數，即不屬於類別A但被預測為屬於類別A的樣本數。
真負（truenegative，TN）：表示被分類模型正確預測的負樣本數，即不屬於類別A並被預測為不屬於類別A的樣本數。
此外，基於機器學習的分類方法通常采用另外兩種度量標準對其分類結果進行評估，其定義如下：召回率（recall）：recall=TP/(TP+FN)，表示類別A中被正確預測的樣本所占比例。
精度（precision）：precision=TP/(TP+FP)，表示在所有被預測為類別A的樣本中，真正屬於類別A的樣本所占比例。很多流量分類研究都使用流準確率或字節準確率作為其實驗結果的度量標準，流準確率表示被正確分類的流所占的比例，而字節準確率則更關註被正確分類的流所攜帶的字節數。其中，準確率的定義如下：
準確率（accuracy）：accuracy=(TP+TN)/(TP+TN+FP+FN)，表示被分類模型正確預測的樣本數在總樣本中所占比例。
參考資料：
百度百科-網絡流量（評價指標）