混淆矩阵
True Positive(真正, TP)：将正类预测为正类数.
True Negative(真负 , TN)：将负类预测为负类数.
False Positive(假正, FP)：将负类预测为正类数 →→ 误报 (Type I error).
False Negative(假负 , FN)：将正类预测为负类数 →→ 漏报 (Type II error).
准确率(precision) ： 预测为正的样本中有多少是真正的正样本（你认为的该类样本，有多少被你猜对了）。
P
=
T
P
/
(
T
P
+
F
P
)
P=TP/(TP+FP)
P=TP/(TP+FP)
召回率(recall)： 样本中的正例有多少被预测正确了（该类样本有多少被找出来了）。
R
=
T
P
/
(
T
P
+
F
N
)
R=TP/(TP+FN)
R=TP/(TP+FN)
精度(accuracy)：样本量不均衡时慎用。
A
C
C
=
(
T
P
+
T
N
)
/
(
T
P
+
T
N
+
F
P
+
F
N
)
ACC=(TP+TN)/(TP+TN+FP+FN)
ACC=(TP+TN)/(TP+TN+FP+FN)
在信息检索领域，准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
参考资料：周志华-机器学习