刚开始接触这两个概念的时候总搞混，时间一长就记不清了。
实际上非常简单，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

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)。

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。
作者：Charles Xiao链接：https://www.zhihu.com/question/19645541/answer/91694636来源：知乎著作权归作者所(张开凤是男的还是女？快手网红张开凤至今没有公开过自己的性别，不过网上有小道消息称张开凤去泰国做过变性手术，十分成功，但是准确性还有待考证，张开凤现在凭借自己的魅力成为快手上有名的主播。)有。商业转载请联系作者获得授权，非商业转载请注明出处。

在信息检索领域，精确率和召回率又被称为查准率和查全率，查准率＝检索出的相关信息量 / 检索出的信息总量查全率＝检索出的相关信息量 / 系统中的相关信息总量二.举个栗子假设我们手上有60个正样本，40个负样本，我们要找出所有的正样本，系统查找出50个，其中只有40个是真正的正样本，计算上述各指标。
TP: 将正类预测为正类数 40
FN: 将正类预测为负类数 20
FP: 将负类预测为正类数 10
TN: 将负类预测为负类数 30

准确率(accuracy) = 预测对的/所有 = (TP+TN)/(TP+FN+FP+TN) = 70%精确率(precision) = TP/(TP+FP) = 80%召回率(recall) = TP/(TP+FN) = 2/3除此之外，还有ROC曲线，PR曲线，AUC等评价指标，可以参见我的博客：机器学习性能评估指标
作者：Charles Xiao链接：https://www.zhihu.com/question/19645541/answer/91694636来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

扫码加微信详细咨询太和智慧养老产品和平台服务！