今天看书再一次看到这两个概念，在我印象中原来很努力记忆过一次，效果嘛→显而易见。这一次学聪明点，看懂了就记录下来。
首先来讲下二者概念：
召回率（recall）：是针对我们原来样本而言，表示有多少样本中的正例（一种是把正类预测为正类即TP，一种是把正类预测为负类即FN）被预测正确了。
，提取出的正确信息条数 / 样本中的信息条数。精确率（precision）：是针对我们的预测结果而言，表示的是预测为正的样本中（一种是把正类预测为正类即TP，一种是把负类预测为正类即FP）有多少是真正的正样本。
， 提取出的正确信息条数 / 提取出的信息条数。
TP:将正类预测为正类数
FP:将负类预测为正类数
FN:将正类预测为负类数
TN:将负类预测为负类数
现在来讲下记忆方法，T、F分别是TURE/FALSE，表示是结果的对不对的意思。P、N分别是Positive/Negative表示我们认为的是"是"或者”不是“。首先我们看第一个TP，拆开理解就是T和P，T表示预测结果是对的，P表示我们认为这结果为“正类”，意味着是从正类→正类。F和P，F表示预测结果是错的，P表示我们认为这结果为“正类”，所以负类→正类。F和N，F表示预测结果错误，N表示我们认为这结果为“负类”，所以正类→负类。T和N，T表示预测结果是对的，N表示我们认为这结果为“负类”，所以负类→负类。
还有一个是准确率（accuracy ）：简单理解就是猜对（将正的猜为正，将负的猜为负）的结果占总数的概率。(TP+TN)/(TP+FP+FN+TN).
再补充一个F1值指标，公式是
，作用就是调和P和R 的矛盾。后面查到升级版F1值参数，如下图
主要是为了我自己记忆笔记，所以有没明白的思路的小伙伴可以看看我当初参考的链接，自己琢磨下。
https://blog.argcv.com/articles/1036.c和https://www.zhihu.com/question/19645541
