Precision和Recall

单纯的使用Precision表示模型能力是不够的。

例如，一个垃圾邮件分类任务，正常邮件记为0，垃圾邮件记为1。

假设样本分布均匀，5个0，5个1。

但是模型非常保守，除非有确切的证据才认为是垃圾邮件，否则更倾向于分类为正常邮件。

假设它的分类结果为，8个0，2个1。

则precision高达100%，因为它认为是垃圾邮件的这两个例子确确实实本来就是垃圾邮件（太保守了）。

但它由于过于保守而放过了很多的垃圾邮件（3个），它的Recall只有40%。

所以对于垃圾分类任务来说，这个模型表现其实并不是很好。