什麼是查準率，查全率？
設查準率p與查全率r分別定義了為：
p=tp/（tp+fp），r=tp/(tp+fn)
在查全率r和查準率p這兩個變數之間，他們之間的差異由 fp（假正例）和fn（假反例）來決定
在圖表中可以明確看出
相同點：查準率p 和 查全率r 都是以 尋找 真實=**=真 的結果為目的
查準率p 考量 對於 學習器的 辨別真實 能力，即剔除 披著 真實外衣的 假向量 的能力
查全率r 考量 對於 學習器的 包容真實 能力，即能容忍 與 假向量多少相似度 的 真向量 的能力
這會導致你剔除假向量的能力越強，那麼你對於假向量的容忍度就越低（即使他是真的向量），
當然一切都取決於你的標準，有時候假與真的界限是模糊的。
一般對於查全率和查準率的應用？
一般以查準率為縱軸，查全率為橫軸 作圖，得到我們的所謂的「p-r曲線」。（precision，recall）
他們一般長這個樣子：
乙個學習器對應一條p-r曲線，如果學習器a的p-r曲線包住學習器b的曲線，那麼a效能優於b。
當然如果有交叉的情況，可以比較他們的面積比，就像微積分求解一樣。
當然這樣可能有一點麻煩，所以有人提出了平衡點，即查全率=查準率的取值比價大小即可，但會不準確。
大部分情況使用 效能度量中的 f1 來判定。- _ - write the next blog
查準率和查全率
precision recall 實際分類 分類10 1true positive false positive 0false negative true negative precision true positive true positive false positive recall tru...
查準率和查全率
查準率 precision 和查全率 recall 我們將演算法 的結果分成四種情況 1.正確肯定 true positive,tp 為真，實際為真 2.正確否定 true negative,tn 為假，實際為假 3.錯誤肯定 false positive,fp 為真，實際為假 4.錯誤否定 fal...
機器學習 效能度量指標之查準率和查全率
在很多實際應用中，我們知道僅僅關心正確分類的結果是不夠的，並且，在資料偏斜比較嚴重的情況下，模型準確率可能具有相當程度的誤導性，我們也需要知道資料被錯誤分類的情況，以確認為此需要承擔的分類錯誤的代價。false positive假陽性和false negative假陰性，這兩種情況 查準率 prec...