定義
- Recall = TP/(TP+FN) ， 查全率，反映了被正確判定的正例佔總的正例的比重；
- Precise = TP/(TP+FP)，反映了被分類器判定的正例中真正的正例樣本的比重；
對結果的判斷
1. 如果Recall高，Precise 低
說明正類都能被正確預測，但是一部分負類也被預測成了正類
- 分類器的問題：會偏向於預測正類
- 分類器的優點：對負類的預測是靠譜的、可以找回大多數的正類
- 措施：側重看一下那些被預測爲正類的負樣本有什麼特點、爲什麼會被預測成負類
2. 如果Recall低，Precise 高
說明預測正類的時候大多數都是正確的，預測負類的時候有問題，有一部分正類被當成負類
- 分類器的問題：會偏向於預測負類
- 分類器的優點：對正類的預測是靠譜的、可以找回大多數的負類
- 措施：側重看一下那些被預測爲負類的正樣本有什麼特點、爲什麼會被預測成正類
3. 如果Recall低，Precise 也低
可能是你訓練集和測試集的label弄反了。。。
4. 如果Recall高，Precise 也高
恭喜你~~~