理解精确率(precision)、准确率(accuracy)和召回率（recall）
|
|
正样本 |
负样本 |
| 预测正例 |
TP |
FP |
| 预测反例 |
FN |
TN |
TN，预测是负样本，预测对了
FP，预测是正样本，预测错了
FN，预测是负样本，预测错了
TP，预测是正样本，预测对了
精确率是针对我们预测结果而言的，它表示的是预测为正的样本中有多少是真正的正样本。那么预测为正就有两种可能了，一种就是把正类预测为正类(TP)，另一种就是把负类预测为正类(FP)，也就是
大白话就是“ 你预测为正例的里面有多少是对的”
而召回率是针对我们原来的正样本而言的，它表示的是正例样本中有多少被预测正确了。那也有两种可能，一种是把原来的正类预测成正类(TP)，另一种就是把原来的正类预测为负类(FN)。
大白话就是“正例样本里你的预测覆盖了多少”
准确率是针对我们原来所有样本而言的，它表示的是所有样本有多少被准确预测了
R=(TP+TN)/(TP+TN+FP+FN)
在信息检索领域，精确率和召回率又被称为查准率和查全率，
查准率＝检索出的相关信息量 / 检索出的信息总量
查全率＝检索出的相关信息量 / 系统中的相关信息总量