因为接触到机器学习的部分知识，不是很懂。以下内容来自知乎，作为笔记留存。

　　作者原文博客：http://charleshm.github.io/2016/03/Model-Performance/　　作者：Charles Xiao

　　链接：https://www.zhihu.com/question/19645541/answer/91694636

　　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对的。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)。

　　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)。

　　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

机器学习性能评估指标