Precision (精确率) 和 Recall (召回率)

Precision (精确率) 和 Recall (召回率) 是机器学习中的两个重要指标，用于评估分类模型的性能。精确率指预测为正的样本中真正为正的样本占比，召回率指真正为正的样本中被正确地预测为正的样本占比。以二分类问题为例，精确率和召回率的计算公式如下：

Precision = TP/(TP+FP)

Recall = TP/(TP+FN)

其中，TP 表示真正为正的样本预测为正，FP 表示真正为负的样本预测为正，FN 表示真正为正的样本预测为负。通常情况下，精确率和召回率是相互矛盾的，提高精确率会降低召回率，反之亦然。因此，常常使用 F1-Score 来综合评价模型的性能，其计算公式如下：

F1-Score = (2 * Precision * Recall) / (Precision + Recall)