precision 为什么和recall成反比

precision=TP/(TP+FP)  准确率 又叫 查准率， 即为 你查的正样本中，准确率有多少

recall  =  TP/(TP+FN) 又叫查全率，即为 所有的正样本中，你查出来的概率

那么 如果我们把模型的预测认为是 从一个班级中所有的学生里挑选好学生来类比的话

那么recall就是从所有的好学生中，挑选出好学生的概率，而precision则是，我挑选出来的好学生的确是好学生的概率。

那么如果我的挑选标准比较宽松的时候，也就是本身水平不太行的学生也被我认为是好学生，那么我挑选出来的好学生就会很多，不仅本身是好学生的学生被我挑选出来了，不是好学生的学生也被我挑选出来了，那么recall就会很高。可是因为条件宽松，所以我跳出来的学生，有一部分并不是好学生，因此precision：挑选出来的好学生的确是好学生的概率就会低。

但是如果我提高挑选的标准，也就是我对好学生的要求极其严格，那么可以肯定我挑选出来的学生，一定是好学生。那么我的precision就会很高，因为要求定的高，所以可以保证挑选质量。但是在这个情况下，我并没有挑选出所有的好学生，所以可以看出我的recall就会相应的下降。

由此我们可以看出，precision和recall总体上会成一个反比的情况