在机器学习和信息检索中,精准率和召回率是用来衡量分类器或检索系统的性能的常用指标。
精准率(Precision)表示的是模型预测为正的样本中实际也是正的样本占比,也就是:
Precision = 真正例 / (真正例 + 假正例)
召回率(Recall)表示的是所有正的样本中,被模型预测为正的样本占比,也就是:
Recall = 真正例 / (真正例 + 假反例)
通常,我们希望精准率和召回率尽可能的高,但是在实际应用中,两者往往是有一定矛盾的,因此我们可以根据实际需要来选择合适的模型。