【机器学习】召回率、精确率、准确率的区别

1. 作用语言定义

作用：提升****精确率是为了不错报、提升召回率是为了不漏报
分不清准确率和精确率，在这里先正确区分一下精确率和准确率，以及他们的别称这里[HashArt]给出了一个通俗易懂的解释：(https://zhuanlan.zhihu.com/p/93586831)

在这里插入图片描述
准确率 = 被正确预测出来的数量 / 所有的样本，这里不赘述，主要讲解精确率和召回率

2. 机器i学习中的概念

在信息检索领域，精确率和召回率又被称为查准率和查全率，

查准率＝检索出的相关信息量 / 检索出的信息总量
查全率＝检索出的相关信息量 / 系统中的相关信息总量

查准率与查全率是相互毛肚的，需要根据实际应用场景加以选择，比如人脸支付领域，需要高准确度（查准率），即使支付不成功，多识别几次，也不能出现查错的情况（相当于别人替你买单）。而地震预测，这种则更加重视查全率（召回率），即使错报，也不允许漏报，提前预测单次地震也极具价值，漏报相对错报更被允许。

3. 准度（准确度）和精度（精密度），另一种理解场景

准度(准确度)，指测量值（预测值）和实际值的误差大小。
精度（精确度、精密度），指多个测量值（预测值）互相之间有多接近。通过计算测量值的离散程度，如计算测量值标准差，标准差越小，越集中，精度越高。

下图举一例，左图低准度低精度，中图高准度，低精度，右图高准度高精度

1. 精密度高，不一定准确度高，如果存在“偏差或者误差，测量值可能全部错误”
2. 准确度高，不一定精密度高，测量值虽然都在实际值附近，但是还存在一定的偏差。
3. 高准度和高精度是追求目标，测量值和实际值基本吻合。