【ML基础】recall && precision

参考资料

这里介绍的非常详细：
分类 (Classification)：精确率和召回率

我的理解

$$\text{ Precision }=\frac{TP}{TP+FP}=预测出来的人脸框中，TP的比例$$$$\text{ Recall }=\frac{TP}{TP+FN}=实际为人脸的所有框中，TP的比例$$

• precision越高，错误的人脸预测越少，造成的FP帧数的浪费越少。
  • 因为：错误的人脸预测意味着原本非人脸，被预测为人脸，这些原本可以不需要经过FaceDetect，但由于错误预测，仍然要经过FaceDetect，造成资源的浪费。
• recall越高，说明越多的GT被框中，及漏检较少。
•