机器学习中性能度量（错诶率、精度、查准率、查全率、F）

不同定义的区分：

1、错误率（Error Rate）：

     分类错误的样本数占样本总数的比例。

2、精度（accuracy）：

分类正确的样本数占样本总数的比例。

3、查准率（Precision）and 查全率（Recall）：

错误率和精度在我们现实生活中虽然非常常用，但是有的时候并不能满足所有的任务需要，以周志华书中的西瓜为例，假定瓜农拉来一车的西瓜，我们使用训练好的模型对这些西瓜进行判别，显然错误率衡量了有多少比例的瓜被判别错误，但是若 我们所关心的是：挑出来的西瓜中有多少比例是好瓜，或者，所有好瓜中都有多少比例被挑选出来，这个时候，错误率和精度就不能很好的衡量这个了，我们就需要其他的性能来衡量。

类似的需求在信息检索中，我们经常会关心，检索出来的信息，有多少比例是用户感兴趣的，或者用户感兴趣的信息中，有多少比例被检索出来。