精確率是針對我們**結果而言的，它表示的是**為正的樣本中有多少是真正的正樣本。那麼**為正就有兩種可能了，一種就是把正類**為正類(tp)，另一種就是把負類**為正類(fp)，也就是p = tp/(tp+fp)。
而召回率是針對我們原來的樣本而言的，它表示的是樣本中的正例有多少被**正確了。那也有兩種可能，一種是把原來的正類**成正類(tp)，另一種就是把原來的正類**為負類(fn)。也就是r = tp/(tp+fn)。
其實就是分母不同，乙個分母是**為正的樣本數，另乙個是原來樣本中所有的正樣本數。
在資訊檢索領域，精確率和召回率又被稱為查準率和查全率，
查準率＝檢索出的相關資訊量 / 檢索出的資訊總量
查全率＝檢索出的相關資訊量 / 系統中的相關資訊總量
二.舉個栗子
假設我們手上有60個正樣本，40個負樣本，我們要找出所有的正樣本，系統查詢出50個，其中只有40個是真正的正樣本，計算上述各指標。
tp: 將正類**為正類數 40
fn: 將正類**為負類數 20
fp: 將負類**為正類數 10
tn: 將負類**為負類數 30
準確率(accuracy) = **對的/所有 = (tp+tn)/(tp+fn+fp+tn) = 70%
精確率(precision) = tp/(tp+fp) = 80%
召回率(recall) = tp/(tp+fn) = 2/3
除此之外，還有roc曲線，pr曲線，auc等評價指標，可以參見我的部落格：機器學習效能評估指標
精確率和召回率
實際上非常簡單，精確率是針對我們 結果而言的，它表示的是 為正的樣本中有多少是真正的正樣本。那麼 為正就有兩種可能了，一種就是把正類 為正類 tp 另一種就是把負類 為正類 fp 也就是 而召回率是針對我們原來的樣本而言的，它表示的是樣本中的正例有多少被 正確了。那也有兩種可能，一種是把原來的正類 ...
精確率和召回率
例如 某池塘有1400條鯉魚，300只蝦，300只鱉。現在以捕鯉魚為目的。撒一大網，逮著了700條鯉魚，200只蝦，100只鱉。不妨看看如果把池子裡的所有的鯉魚 蝦和鱉都一網打盡，這些指標又有何變化 由此可見，正確率是評估捕獲的成果中目標成果所佔得比例 召回率，顧名思義，就是從關注領域中，召回目標類...
精確率和召回率
以下以二分類為例子進行說明 在了解精確率和召回率之前，我們先了解幾個概念 tp true positive 實際為正，分類器 為正 fp false positive 實際為負，分類器 為正 tn true negative 實際為負，分類器 為負 fn false negative 實際為正，分類...