有监督学习算法的评价指标——精确率、准确率和召回率

首先明白四个概念：

• TP (True Positive)：被正确预测的正样本数
• FP (False Positive)：被错误预测的正样本数
• TN (True Negative)：被正确预测的负样本数
• FN (False Negative)：被错误预测的负样本数

正样本是指属于某一类别的样本,反样本是指不属于某一类别的样本
比如说在做字母A的图像识别，字母A的样本就属于正样本，不是字母A的样本就属于负样本 。

由这四个概念，我们可以定义如下所示指标：

1、精确率(Precision)：
即：所有正样本中有多少被正确预测；$$P=\frac{TP}{TP+FP}$$

2、准确率(Accuracy)：
即：所有样本中有多少被正确预测；$$A=\frac{TP+TN}{TP+FP+TN+FN}$$

3、召回率(Recall)：
即：所有预测为正确的样本中有多少是真正正确的；$$R=\frac{TP}{TP+FN}$$