参考：如何解释召回率与精确率？
参考：推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure)
参考：机器学习性能评估指标
- True Positive(真正, TP)：将正类预测为正类数.
- True Negative(真负 , TN)：将负类预测为负类数.
- False Positive(假正, FP)：将负类预测为正类数 →→ 误报 (Type I error).
- False Negative(假负 , FN)：将正类预测为负类数 →→ 漏报 (Type II error).
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
举例：例如用 百度/谷歌 搜索一个关键词 ML，
- 查准率 就是指所有的结果中真正是自己想要的比率，越高肯定越好（比较精准）
- 查全率 就是指所有想要的结果中被搜索到的比率（比较全面）
- 评论：众所周知，百度经常是查找率不高，前面都是广告，因此很多搜索结果都不是我们想要的，其次召回率也不高，因为你想找的东西很可能找不到，而谷歌则是大部分结果都是自己想要的，广告比较少，召回率很高，基本上能找到自己想要的东西。
准确率：看重结果，结果中，判断正确的比例，有时候也是用正来表示
召回率：看重正确结果有多少被查找出来