机器学习的正确率、召回率

其实正确率、召回率的公式很简单，但是就是理解起来不是特别的清晰。

正确率：

召回率：

TP和TN都表示检测对了：

TP是真阳，检测是阳性，实际上也是阳性。

TN是真阴，检测是阴性，实际上也是阴性。

FP和FN都表示检测错了：

FP是假阳，检测是阳性，但是实际上是阴性。

FN是假阴，检测是阴性，但是实际上是阳性。

 

换句话说就是：

正确率：你找对的例子数/你找的所有你认为是对的例子数（你有可能把一些错的例子当对的）
召回率：你找对的例子数/你找的所有真实是对的例子数 （你可能把一些对的例子当错的）

下面是我个人的理解：

召回率表示了你的预测的谨慎性，你只在乎自己真正找对了多少，而不在乎自己找错的情况，你宁愿把一些对的当错的。

而正确率你会关注自己找错了多少，当你把错的当对的情况特别多，这个是十分要命的，正确率就会下降的厉害。