Skip to main content

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=TP+TNTP+TN+FP+FNAccuracy = \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=TPTP+FNRecall = \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）