召回率和精确率（recall and precision）

#记性不好写博客以记之

召回率（recall）

公式：Recall = TP /TP+FN
定义：所有的正样本中，我们识别出来的比例。召回率又叫查全率、击中的概率。

精准率（precision）

公式：Precision = TP /TP+FP
定义：所有识别成正样本中，有多少是真正的正样本。精准率又叫查准率、误杀率。

#关于TP、TN、FP、FN中的T、F（True、False）意为样本预测正确、错误；P、N（positive、negative）预测为正、负样本。

TP就是预测为正样本，实际为正样本的个数。

FN就是预测为负样本，实际为正样本的个数
（TP+FN 包含了所有正样本）

TN就是预测为负样本，实际为负样本的个数

FP就是预测为正样本，实际为负样本的个数
（TN+FP包含了所有负样本）

例1、对预测癌症患病情况的分类而言，我们对召回率更看重，不希望有病例被误判为没有患癌症，我们希望把所有癌症情况都预测出来，宁可错杀一千也不放走一个。
例2、对于买彩票这个例子而言，我们显然对精准率更看重，在乎彩票中了的概率越高越好。

有些时候对召回率、精准率要求不高所以可以考虑，对这两个的

调和平均数

F1-Score = 2PR /P+R = 2TP/(2TP+FP+FN)

这个F1值越高说明结果越好。