Accuracy、Recall、Error Rate 和 Precision 详解（手写笔记）

最近在复习机器学习，正好整理一下笔记，我看博客很多都参差不齐，这里我参考了很多博客，并且加上自己的思路整理了一下这几个小知识点。并附上我认为比较完整且帮助较大的博客链接。

我先简单的梳理一下（如果你懒到不想看下面笔记的话）：

定义什么的我不想再提了，网上都是一大把。

记住并且区分他们最好的方式就是理解他们含义（也就是针对什么去讨论的）。

• 精度（Accuracy）和错误率（Error rate）：都是针对于模型去讨论的，是从 整体角度 出发的，因此他们的分母自然就是整体的样本集合。
• 准确率（Precision）：直接记为 查准率 比较直观。针对于 预测结果 而言的，因此它的分母是所有预测为正的样本数。
• 召回率（Recall）：直接记为 查全率 比较直观。针对于 原始样本 而言的，因此它的分母都是原始样本中为正的样本数。

另外，理解 为什么一般情况下