机器学习错误率、准确率、精确率、召回率

这四个概念之前一直混淆着我，今天好好地梳理一遍，通过一个简单的二分类问题给出各自的解释
先给出各自的定义：

错误率：指分类错误的样本数占样本总数的比例，对于样本集D，定位错误率为：

准确率accuracy：分类正确的样本数占样本总数的比例

精确率(查准率)precision：表示被分为正例的个数中实际为正例的比例

召回率(查全率)：表示有多少个正例被准确分为了正例

我们用一个二分类的混淆矩阵来表示

真实情况 预测结果（正） 预测结果（反）
正 TP（真正例） FN（假反例）
反 FP（假正例） TN（真反例）
错误率：

准确率：

查准率：

召回率：