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