对于二分类而言：即非True即False.
1.先用通俗的话说一遍：
查准率（precision）：一句话简单的说，即你认为是True的样本中，到底有多少个样本是真为True。
查全率（recall）：同样简单一句话，即在预测样本中属于True的样本，你真的判断为True的有几个。
2.稍微正式的表示：
查准率（precision）：模型预测为True的样本有N个，其中真实为True的样本有M个，即 precision=M/N
查全率（recall）：预测样本集中为True的样本有N个，其中模型真将这N个为True的样本预测为True的数量为M个，即 recall=M/N
公式表示：此处参考https://www.jianshu.com/p/c91251a4e935
以上表格囊括了所有可能样例。
其中，查准率Precision：
查全率：
对于多分类问题而言：
1.先用通俗的话说一遍：
precision：你认为属于类别c的样本中，有多少个样本真的属于类别c
recall：测试样本中所有属于c类别的样本，你预测对了多少
2.稍微正式的表示：
precision：模型预测为c类的样本有N个，其中确实属于c类的样本有M个，即 precision=M/N
recall：模型的测试样本中共有N个c类别的样本，其中这N个样本被正确预测为c类别的个数为M，即 recall=M/N