本文详细解析了机器学习中的精确率（precision）、召回率（recall）和准确率（accuracy），纠正了网络上一些混淆的概念。精确率关注预测为正样本中实际为正样本的比例，召回率表示实际正样本被预测为正样本的比例，准确率则是所有预测样本中预测正确的比例。关键指标包括TP、FN、FP和TN。
注：网上很多讲解都瞎讲，把precision和accuracy概念混淆，误人子弟。
1.精确率（precision）
就precision而言有很多版本，各种说法不一，有精确率也有正确率更有甚者把准确率也搞出来了实在受不了，反正咱们看英文precision。
precision是表示预测为正样本中，被实际为正样本的比例。可以看出precision是考虑的正样本被预测正确的比例．根据图1-1可得其计算公式为：P = TP / (TP + FP)
2. 召回率（recall）
召回率是表示实际为正样本中，预测为正样本的比例。可以看出，召回率考虑的是正样本的召回的比例．根据图1-1可得其计算公式为：P = TP / (TP +
最低0.47元/天 解锁文章
5935
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
