精度、准确度、召回率等概念

表格

	prediction
	positive	negative
truth-t	true-positive	false-negative
truth-f	false-positive	ture-negative

为方便记忆，说明：
positive 与 negative 是学习模型预测的结果（相当于是名词性质）
ture 与false 是修饰上文中的 positive 与negative 的作用（相当于是形容词）

1. 精度（指所有预测为positive的结果中，正确预测的比例），计算方法：
   precision=（true-positive）/（ture-positive + false-positive）
2. 准确度（指预测模型对样本的分类能力，正确判断的比例），计算方法：
   accuracy=（true-positive + true-negative）/（TP+TN+FP+FN）
3. 召回率（指分类器对某类目标正确分类的个数占数据中该类目标总数量的比例），计算方法
   召回率：TP/(TP+FN)