AI论文中的 精确率 和 召回率 精简解释

参考：精确率和召回率 @菜鸟瞎编

评论精选：确实是这样的，真的怀疑定义这个的人脑子有坑，你说他第一个是 预测值，第二个是 真值 不好吗，本来一个很简单的问题，搞得这么复杂。

精确率是针对我们预测结果而言的，它表示的是预测为正的样本中有多少是真正的正样本。那么预测为正就有两种可能了，一种就是把正类预测为正类(TP)，另一种就是把负类预测为正类(FP)，也就是

P=TPTP+FPP=\frac{TP}{TP+FP} P=TP+FPTP​

而召回率是针对我们原来的样本而言的，它表示的是样本中的正例有多少被预测正确了。那也有两种可能，一种是把原来的正类预测成正类(TP)，另一种就是把原来的正类预测为负类(FN)。

R=TPTP+FNR=\frac{TP}{TP+FN} R=TP+FNTP​

其实就是分母不同，一个分母是预测为正的样本数，另一个是原来样本中所有的正样本数。