转自 https://blog.csdn.net/guyubit/article/details/52276013
precesion:查准率,即在检索后返回的结果中,真正正确的个数占整个结果的比例。
recall:查全率,即在检索结果中真正正确的个数 占整个数据集(检索到的和未检索到的)中真正正确个数的比例。
FN:False Negative,被判定为负样本,但事实上是正样本。
FP:False Positive,被判定为正样本,但事实上是负样本。
TN:True Negative,被判定为负样本,事实上也是负样本。
TP:True Positive,被判定为正样本,事实上也是证样本。
这里的正样本和负样本与检索的关系就是:你认为为正样本的应该都出现在检索结果中,而你认为为负样本的应该不出现在检索结果中,但是你认为的和事实上的会有不一样。
精准度(precision):
P = TP/(TP+FP) 指被分类器判定正例中的正样本的比重
召回率(Recall):
R=TP/(TP+FN) = 1- FN/T 指的是被预测为正例的占总的正例的比重
准确率(Accuracy):
A = TP/(TP+FN)=(TP+TN)/(TP+FN+FP+TN) 反映了分类器对整个样本的判定能力,也就是说能将正的判定为正,负的判定为负