学习过机器学习算法的同学一定不会对精准率、召回率陌生。精准率（precision）和召回率(recall)是对二分类模型效果评价的指标。下图为精准率和召回率的计算公式：
由于这里面涉及到TP、FN、FP、TN这四个指标，这四个指标是由True、False、Positive、Negative四个概念组合而成的。例如，TP：True Positive，表示的是识别为正例，实际是正例；FN：Fales Negative，表示识别为负例，实际是正例。
我们可以通过如下公式去记忆这四个指标。例如FP：样本被错误地识别为正例；TN：样本被正确地识别为负例。
| 样本被 | T（正确地） | 识别为 | P（正例） |
| F（错误地） | N（负例） |
我们已经可以通过如上公式去记忆这四个指标。那么精准率、召回率我们可以这样去记忆：
1）精准率、召回率分子全部都是TP；
2）精准率、召回率分母都是两项，且都包含TP，另一项一个为FN一个为FP；
3）召回率又叫查全率，所以分母要体现“全”的概念，所以是FN，这样T、F、P、N四个概念就都包含全了，那么精准率就是FP了。