准确率和召回率

1. 准确率（Accuracy）

定义：整体预测正确的比例。

公式：

$$Accuracy = \frac{TP + TN}{TP + TN + FP + FN}$$

例子：1000 人，模型预测对了 990 人 → 准确率 = 99%。

---

2. 召回率（Recall）

定义：所有真实正类里，模型找出的比例。

公式：

$$Recall = \frac{TP}{TP + FN}$$

例子：有 10 个病人，模型只找出 8 个 → 召回率 = 80%。

---

3. 区别一句话总结

• 准确率：看整体 → “我总共猜对多少？”
• 召回率：看正类 → “该抓的病人漏没漏？”

4. 四个格子的定义（以“病人=正类”举例）

真实 \ 预测	预测正	预测负
真实正	TP（True Positive，真阳性） 本来有病，被判有病 → 命中	FN（False Negative，假阴性） 本来有病，被判没病 → 漏检
真实负	FP（False Positive，假阳性） 本来没病，被判有病 → 误报	TN（True Negative，真阴性） 本来没病，被判没病 → 正确放过

记忆法：

• T/F 看“预测是否说对”（True=对，False=错）
• P/N 看“预测的标签”（Positive=判为正类，Negative=判为负类）