重新理解precision和recall

TP True Positive 是把正例正确判定为正例
TN True Negative 是把负例正确判定为负例
FN False Negative 是把正例错误判定为负例
FP False Postive 是把负例错误判定为正例

理解

理解上来讲，T和F分别表示判断对了、判断错了；P和N分别表示预测的是正例和负例。
连起来讲，TP就是判断对了正例，即把正例预测为了正例；
TN是判断对了负例，即把负例预测为了负例；
FP是判断错了正例，即把负例预测为了正例；
FN是判断错了负例，即把正例当成负例。

总结

有了上述的总结，就有了：
p=TP/(TP+FP) 在已经预测为正例的情况下，真正的正例越多越好
r=TP/(TP+FN) 在所有的正例中，预测为正例的情况下真正的正例越多越好