看了几个准确率和召回率的举例，用捕鱼的这个会比较形象。原文如下：
版权声明：本文为CSDN博主「Taoist_Nie」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。原文链接
为了方便理解，本文补充图表和文字解释
1、概念
TP（True Positive）：被判定为正样本，事实上也是正样本。真阳。
TN（True Negative）：被判定为负样本，事实上也是负样本。真阴。
FP（False Positive）：被判定为正样本，但事实上是负样本。假阳。
FN（False Negative）：被判定为负样本，但事实上是正样本。假阴。
2、捕鱼举例
假设某鱼塘有100条鱼，桂花鱼20条，鲤鱼80条，目标是捕到所有桂花鱼。
让某人去捕鱼，ta捕到了50条“桂花鱼”；其中20条是桂花鱼，另外30条鲤鱼也当做桂花鱼被捕到。
即该模型，捕捉了50条鱼；模型以为这50条都是桂花鱼；
经过事后的标注判定，判定有20条是桂花鱼，30条不是桂花鱼；
捕鱼举例
3.、套公式
（1）、准确率
对于给定的测试数据集，分类器正确分类的样本数与总样本数之比
准确率Accuracy= （TP+TN）/总样本=（20+50）/100=70%
（2）、精度
计算的是预测正类预测正确的样本数，占预测是正类的样本数的比例。
精度Precision=TP/(TP+FP)=20/(20+30)=40%
（3）、召回率
计算的是预测正类预测正确的样本数，占实际是正类的样本数的比例
召回率Recall=TP/(TP+FN)=20/（20+0）=100%
100%的意思是，我们想让机器找的全部正样本，全部找到了。
关于召回率，可以在举个例子，某车厂已销售的1万车中，发动机故障率为1%；该车厂决定进行车辆召回。于是，该车厂决定对全部1万台车进行召回，召回率就是100%。
网友评论