某呼上是这样解释的精确率(precision)和准确率(accuracy)是不一样的。实际上非常简单精确率是针对我们预测结果而言的它表示的是预测为正的样本中有多少是真正的正样本。那么预测为正就有两种可能了一种就是把正类预测为正类(TP)另一种就是把负类预测为正类(FP)也就是PTPTPFPP\frac{TP}{TPFP}PTPFPTP​而召回率是针对我们原来的样本而言的它表示的是样本中的正例有多少被预测正确了。那也有两种可能一种是把原来的正类预测成正类(TP)另一种就是把原来的正类预测为负类(FN)。RTPTPFNR\frac{TP}{TPFN}RTPFNTP​其实就是分母不同一个分母是预测为正的样本数另一个是原来样本中所有的正样本数。或者可以这样理解TP: 将正类预测为正类数FN: 将正类预测为负类数FP: 将负类预测为正类数TN: 将负类预测为负类数准确率(accuracy) 预测对的所有\frac{预测对的}{所有}所有预测对的​(TPTN)(TPFNFPTN)\frac{(TPTN)}{(TPFNFPTN)}(TPFNFPTN)(TPTN)​精确率(precision) TP(TPFP)\frac{TP}{(TPFP)}(TPFP)TP​召回率(recall) TP(TPFN)\frac{TP}{(TPFN)}(TPFN)TP​个人是这样理解的假设检测一张图片有31个行人检测出25个其中有2个检测错误检测成了狗则求召回率精确度准确率分析31个行人检测出25个说明有6个是误检或者漏检的有2个检测错误则说明有25-223个行人检测正确有6-24个是漏检的。召回率正确检测的行人数目原始样本行人总数25−23123310.72\frac{正确检测的行人数目}{原始样本行人总数}\frac{25-2}{31}\frac{23}{31}0.72原始样本行人总数正确检测的行人数目​3125−2​3123​0.72精确率检测出行人总数检测结果总数25−22523250.92\frac{检测出行人总数}{检测结果总数}\frac{25-2}{25}\frac{23}{25}0.92检测结果总数检测出行人总数​2525−2​2523​0.92准确率所有识别正确的数目样本总数25−23123310.72\frac{所有识别正确的数目}{样本总数}\frac{25-2}{31}\frac{23}{31}0.72样本总数所有识别正确的数目​3125−2​3123​0.72