电脑不方便切换-记（或许可用

召回率 

通俗解释机器学习中的召回率、精确率、准确率 - 知乎 (zhihu.com)

只是上班文件看到召回率，不懂是啥，所以搜一下，结果发现很适配我的论文！！！

遂记一记

定义

作者用地震预测举例，这不就是前几天聊开题的时候，老师给我的参考方向吗，地震预测和我要做的预测思路几乎是一致的

现在看例子

第50天和51天会地震，其余的1-49和51-100天不会地震

现在假设你的模型已经做好，但是不能精确率和召回率二者不可得兼，摆在你面前的是提升其中的一个率，你应该怎么办？

精确率：（预测到的都是真的地震的，但预测的不全

分母是预测到的正类，精确率的提出是让模型的现有预测结果尽可能不出错(宁愿漏检，也不能让现有的预测有错)

以地震模型为例说就是宁愿地震了没报，也不能误报地震，比如说为了不错报，只预测了第50天可能发生地震，此时的

1.精确率：1/1=100%

2.召回率：1/2=50%

虽然有一次地震没预测到，但是我们做出的预测都是对的。

召回率：（真实有地震的都被预测到了，没地震的也预测了

分母是原本的正类，召回率的提出是让模型预测到所有想被预测到的样本(就算多预测一些错的，也能接受)

以地震模型为例说这100次地震，比如说为了不漏报，预测了第30天、50天、51天、70天、85天地震，此时的

1.精确率：2/5=40%

2.召回率：2/2=100%

虽然预测错了3次，但是我们把会造成灾难的2次地震全预测到了。

精确率和召回率有什么用？为什么需要它？通俗讲解(人话)

上面我们已经讲的很清楚了，这里以两种需求为例

1. 预测地震 - 不能接受漏报
2. 人脸识别支付(银行人脸支付) - 不能接受误检

我我我我我用的思路

我到时候可以两种率都算算，看看哪种好