precision是什么意思？用法、例句？Precision 和 Recall

这篇文章给大家聊聊关于precision是什么意思？用法、例句，以及Precision 和 Recall对应的知识点，希望对各位有所帮助，不要忘了收藏本站哦。

Precision精确率，Recall召回率，是二分类问题常用的评价指标。混淆矩阵如下：

T和F代表True和False：代表预测是否正确

P和N代表Positive和Negative：是预测结果

通常关注的类为正类，其他类为负类。（以猫狗二分类为例，现在关注狗的precision和recall）

正类预测为正类（预测出狗的图片实际标注也是狗）

正类预测为负类（预测出猫的图片实际标注是狗）

负类预测为正类（预测出狗的图片实际标注是猫）

负类预测为负类（预测出猫的图片实际标注是猫）

T,F代表的是图片对应的标签，说明是否正确。

P,N代表的模型预测出来的结果是对的还是错的。

TP+FP:也就是全体Positive，也就是预测的图片中是正类的图片的数目

TP:也就是正类也被预测为正类的图片的个数

总之：预测正确的图片个数占总的正类预测个数的比例（从预测结果角度看，有多少预测是准确的）

TP+FN:也就是全体完全满足图片标注的图片的个数

TP：正类被预测为正类的图片个数

总之：确定了正类被预测为正类图片占所有标注图片的个数（从标注角度看，有多少被召回）

还是以猫狗二分类为例，测试集一共有20张狗，20张猫的图片的标注图片（狗为正例），模型预测出其中有16张图片是狗，其中14张图片标注确实为狗，剩下两张图片标注为猫。

对于猫来说，剩下的24张图片是猫，其中有6张是狗，18张是猫。

关于precision是什么意思？用法、例句到此分享完毕，希望能帮助到您。