深度学习基础：精确率、召回率理解

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

在使用Paddle实现手写数字识别时，发现对模型评估标准：精确率（precision）和召回率（recall）有些记不清了，在查找相关定义后，这个做下笔记，分享给大家！

---

1. 精确率、召回率理解

$精确率（precision）=\frac{真实正样本被预测为正样本数量（TP）}{所有预测为正样本数量（TP+FP）}$

$召回率（recall）=\frac{真实正样本被预测为正样本数量（TP）}{所有真实正样本数量（TP+FN）}$

精确率和召回率的差异就在于分母，精确率分母是预测结果为正样本的数量，召回率分母是所有真实正样本数量。

其实一开始，个人是很不理解为啥叫“召回率”这个名字呢？随着应用和理解的加深，渐渐明白了就是字面意思，所有真实正样本中，预测为正样本的个数占比。

引用知乎【链接】图片可能更加形象，帮助记忆：

---

总结

以上就是个人理解，如果有误，欢迎指正，谢谢！

参考

https://www.zhihu.com/question/19645541