【指标】Precision、Recall

1. 二元分类指标

TP：预测为 真的样本 中 确实为 真的数量
FP：预测为 真的样本 中 确实为 假的数量
FN：预测为 假的样本 中 确实为 真的数量
TN：预测为 假的样本 中 确实为 假的数量

准确率 Accuracy：

$\frac{正确预测的样本=正确预测为1+正确预测为0的}{总样本数}$ = $\frac{TP+TN}{ALL}$

查准率 Precision：

$\frac{所有预测为真的样本中真的数量}{预测为真样本的数量}$ = $\frac{TP}{TP+FP}$

召回率 Recall：

$\frac{所有预测为真的样本中真的数量}{所有真样本数量}$ = $\frac{TP}{TP+FN}$

举例： 预测得病个数。
假设总共有100个样本，其中20个得病。通过预测发现有24个得病，其中有18个是真实得病的。
这个情况下：
TP = 18
FP = 24-18=6
FN= 20-18 =2
TN= （100-24）-2 = 74

准确率 = $\frac{18+74}{100}=0.82$
查准率=$\frac{18}{18+6}$
召回率=$\frac{18}{18+2}$

2. 参考

1. https://www.jianshu.com/p/1ca37d729d0c