什么是精确率Precision和召回率Recall？

精确率Precision和召回率Recall是衡量很多二分类任务经常用到的指标，但是很多时候很多人容易分不清，这里简单扯一下。二分类任务中只有正样本和负样本，即标签为1或0。而我们模型的目标就是尽可能去把所有的正样本的都准确的找出来，于是涉及到精确率Precision和召回率Recall。

召回率Recall：指有多少正样本被成功预测出来了。
精确率Precision：指模型预测为正样本的数据中有多少是真的正样本。

举个例子：
有10条数据，3条正样本，7条负样本。
分布如下：
真实标签：

0,0,1,1,0,0,1,0,0,0

模型预测的标签

1,0,1,1,0,0,0,0,1,1

计算召回率：真实的正样本数目为3，而模型预测为准确的正样本数目为2，也就是3条有2条被找出来了，召回率=2/3。

计算精确率：预测为正样本的数目为5，但其中只有2条是真的正样本，也就是只有2条被成功预测正确了，精确率=2/5。

如果有问题请及时指出，谢谢~