精准率召唤率的一次次回忆

我一遍遍的记起却又一次次的忘记，时而混淆时而模糊

—公式太难了

交叉表

真实情况里面2种样本

正例、反例

预测结果里面2种结果

预测为正例、预测为反例

完美模型能将正样本预测为正例

负样本能预测为反例

实际情况有的正样本会被预测为反例

负样本会被预测为正例

二者交叉得到四种结果，如下交叉表

公式

精准率

How many selected items are relevant?

针对预测结果

预测为正的样本里有多少正样本

正样本和父样本都可能会被预测为正

预测为正的样本 =

被正确预测为正的正样本（TP）+

被错误预测为正的负样本（FP）

召回率

How many relevant items are selected?

针对原有样本

正样本里面有多少被正确预测

正样本会被预测为正

也会被预测为负

正样本 =

被正确预测为正的正样本（TP） +

被错误预测为负的正样本（FN）

难点

Q1：

我记不住TP FN FP TN

T和F 代表着预测正确和预测错误

P和N 英文单词positive和negative，翻译过来是阳性和阴性，也叫正和反，相关和不相关等

很容易绕来绕去的原因就是所以TP FN等都是组合意思，规则就是 预测正确性+预测分类，需要转换成真实和预测。

TP：预测正确+预测阳 = 原有阳 预测阳

FN：预测错误+预测阴 = 原有阳 预测阴

FP：预测错误+预测阳 = 原有阴 预测阳

TN：预测正确+预测阴 = 原有阴 预测阴

总结：需要转换成真实和预测，才能更好的理解。

Q2：

精准率和召回率的公式很容易混

Q3：

精准率和准确率是否一样

不一样。