准确率，精确率，召回率： 性能测量的说明

我们首先把数据分为两部分： 正类别和负类别。 比如我们预测HIV 阳性的作为目标。那么HIV阳性的就是正类别。

• True Positives (TP) ： 正确的预测为正类别。意思预测和实践标注都是HIV阳性。（正）
• True Negatives (TN) ： 正确预测为负类别。 意思预测和标准都是HIV阴性。（负）
• False Positives (FP)：  错误的预测为正类别。 意思预测是HIV阳性（正）。但是实际标注是HIV阴性。
• False Negatives (FN) ： 错误的预测为负类别。 意思预测为Hiv阴性（负），但是标注实际为HIV阳性（正）。

简单总结下，就是说。

1. 预测和实际标注一致的，我们称为TRUE.预测正确了。
2. postive 和negative 指的是预测结果的是否是正类别。 
3. 假如要预测与实际不一致的。且预测为negative的。 那么很明显就是FN了。so easy！！！

 

准确率: 

正确率是一个很重要的性能衡量的标准。正确分类占所有样本总数的比重。TP+TN / TP+TN+FP+FN

精确率：

在预测为正类的数据中。标注为正的数据所占的比例。 TP / TP+FP

召回率：

测试集中正类的数据中。 预测为正的数据占有的比例。 多少被正确的预测出来。 TP / TP+ FN

精确率和召回率，只是分母不同。 精确率是对预测为正类的数据来讲的。 召回率是实际标注为正类的作为分母的。