true positive(被正确分类的正例)
false negative(本来是正例,错分为负例)
true negative(被正确分类的负例)
false positive(本来是负例,被错分为整理)
记忆方法,前边TF是分类正确或者错误,后面的PN是结果被分成是正例或负例
对于一个分类器而言,precision和recall往往是此消彼长的。
Precision-recall曲线反映了分类器对正例的识别准确程度和对正例的覆盖能力之间的权衡
AP计算:
对于连续的PR曲线,有:
![](https://img2018.cnblogs.com/blog/1557203/201911/1557203-20191101202648755-1385515014.png)
对于离散的PR曲线,有:
![](https://img2018.cnblogs.com/blog/1557203/201911/1557203-20191101202703840-1919190462.png)