扫码加入数据分析学习群

对于分类任务，可将样例根据真实类别与学习器预测类别的组合划分为，真正例（True Positive）：将正类预测为正类、假正例（False Positive）：将正类预测为反类、真反例（True Negative）：将反类预测为反类、假反例（False Negative）：将反类预测为正类四种情况，见下表：

我们常常使用精确度（accuracy）来度量分类精度，精确度是分类正确的样本数占样本总数的比例，即：

但是精确度不能满足一些任务要求，当我们需要判断“所有预测出来的正例中，真正例的比例是多少？”、“所有真实情况为正例，其预测也为正例的比例是多少？”这些问题时候，我们便不能使用精确度，因为TP与TN被混合在了一起，我们不能分辨TP与TN各有多少，这时候便引入了准确率（precision）与召回率（recall）。

当我们想计算预测为正的样本中有多少是真正的正样本，使用准确率；当我们想计算样本中的正例有多少被预测正确，使用召回率。