MindSpore分类指标之精准率、召回率和F值详解（二）

一、精准率和召回率

在上次的分享中，我们提到了评测分类模型的意义和准确率、AUC/ROC两种评测方法。朋友们可能就会思考分类的任务多种多样，评测模型的性能只有这两种方法吗？当然还有。这次我们就一起来认识一下精准率(Precision)、召回率(Recall)，以及这两个结合组成的F值。

我们还是通过混淆矩阵来表示：

图1-混淆矩阵

 精准率

我们从表达式开始：

图2-精准率表达式

结合混淆矩阵和表达式来理解，首先从分母开始(TP+FP)，在分类任务中的意义是预测为正类的样本数量，分子的意义是样本类别实际为正并被预测为正的数量，它们两个的比值我们称为精准率，精准率是针对预测后其中一个类别的评测表达式。

这里我们重点区分一下和精准率(Precision)准确率(Accuracy)，因为这两个名词的概念很容易混乱。

图3-精准率和准确率