召回率 准确率 精确率

召回率、准确率和精确率是评估分类模型性能的三个关键指标：

1. **召回率**（Recall 或 Sensitivity）：它衡量的是模型正确识别出正样本的比例，即实际为正例中被模型预测为正例的数量占所有实际正例的比例。公式为：召回率 = TP / (TP + FN)，其中TP代表真正例（True Positive），FN代表假负例（False Negative）。

2. **准确率**（Accuracy）：这是最直观的评价指标，表示模型总共有多少次预测是正确的，等于正确预测的样本数除以总样本数。公式为：准确率 = (TP + TN) / (TP + TN + FP + FN)，TN代表真负例（True Negative），FP代表假正例（False Positive）。

3. **精确率**（Precision 或 Precision Rate）：它是衡量模型预测为正例的样本中有多少实际上是正例的能力，即TP占所有预测为正例的样本数的比例。公式为：精确率 = TP / (TP + FP)。

这三项指标在某些场景下可能会有冲突，例如当关注误报（FP）较少的情况，提高精确率会降低召回率；反之亦然。因此，在选择模型优化策略时需要根据业务需求权衡这三个指标。