机器学习之——Precision与Recall

机器学习中，预测样本与真实样本之间的关系图：

TP： 实际样本为正例，预测结果为正例，
FN：实际样本为正例，预测结果为负例
FP： 实际样本为负例，预测结果为正例
TN： 实际样本为负例，预测结果为负例

Precision: 精准率 查准率 是否误报
在预测为真的样例中，实际为真的概率
Precision = TP /(TP + FP)

Recall: 召回率 检测是否漏报
在实际为真的样例中，预测为真的概率
Recall = TP /(TP + FN)

Accuracy: 准确率
所有样本中，预测正确的概率
Accuracy = (TP +TN) / (P + N)
Precision和Recall的变化曲线如图所示：

在分类问题中，可设定阈值threshold，进行分类

标签：正例,机器,Recall,样本,Precision,TP,负例
来源： https://blog.csdn.net/educationer/article/details/99580979