深度学习基础：精确率、召回率理解

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

在使用Paddle实现手写数字识别时，发现对模型评估标准：精确率（precision）和召回率（recall）有些记不清了，在查找相关定义后，这个做下笔记，分享给大家！

---

1. 精确率、召回率理解

精 确 率 （ p r e c i s i o n ） = 真 实 正 样 本 被 预 测 为 正 样 本 数 量 （ T P ） 所 有 预 测 为 正 样 本 数 量 （ T P + F P ） 精确率（precision）=\frac{真实正样本被预测为正样本数量（TP）}{所有预测为正样本数量（TP+FP）}