【机器学习】【数据分析】KNN算法中，精确度（precision），准确率（accuracy）和召回率（recall）的理解

评价一个KNN模型的指标中，这三个有点不好理解，现在理一理。precision和accuracy这两个其实是近义词，只好通过具体的算法来区分。

最近在看《康熙王朝》，姑且就拿皇上对忠臣奸臣的判断做类比。

TP（True Positive）（真忠臣）实为忠臣，皇上也觉得他是忠臣的数量；FN（False Negative）（假奸臣）实际为忠臣，皇上确认为是奸臣的数量（这里False和Negative相当于负负得正，假奸臣就是忠臣）；FP（False Positive）（假忠臣）实际是奸臣，皇上却认他是忠臣的数量；TN（True Negative）（真奸臣）实际是奸臣，皇上也认为是奸臣的数量。可以得出(TP + FＮ)是全部实际的忠臣数，而（TP + FP）是所有皇上认为是忠臣的数量。

1. 精确率 precision
   1. 精确率（precision）= TP / (TP + FP)，意思是皇上心中的忠臣里，是真正忠臣的比率。
2. 准确率 accuracy
   1. 准确率（accuracy） =   (TP + TN) / (TP + FN + FP + TN) ，意思是所有大臣当中，没被冤枉的那些大臣的比率，也就是皇上心中判断正确的大臣比率。细分一下，其实是所有大臣中，皇上没冤枉的忠臣的比率加上皇上没冤枉的奸臣的比率。TP  / (TP + FN + FP + TN)   +   TN / (TP + FN + FP + TN)
3. 召回率 recall
   1. 召回率（recall） = TP / (TP + FN)，意思是所有真正的忠臣里，也被皇上认为是忠臣的比率。
   2. 那为什么会叫召回recall这个奇怪的名字呢，估计是被冤枉的那些忠臣会从刑场上召回吧哈哈哈哈哈。