精确率Precision和召回率Recall是衡量很多二分类任务经常用到的指标，但是很多时候很多人容易分不清，这里简单扯一下。二分类任务中只有正样本和负样本，即标签为1或0。而我们模型的目标就是尽可能去把所有的正样本的都准确的找出来，于是涉及到精确率Precision和召回率Recall。
举个例子：
有10条数据，3条正样本，7条负样本。
分布如下：
真实标签：
0,0,1,1,0,0,1,0,0,0 讯享网
模型预测的标签
讯享网1,0,1,1,0,0,0,0,1,1
计算召回率：真实的正样本数目为3，而模型预测为准确的正样本数目为2，也就是3条有2条被找出来了，召回率=2/3。
计算精确率：预测为正样本的数目为5，但其中只有2条是真的正样本，也就是只有2条被成功预测正确了，精确率=2/5。
如果有问题请及时指出，谢谢~
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/33000.html