acc precision recall

这是机器学习中常用的评估指标。

- Accuracy（准确率）：指分类器正确分类的样本数占总样本数的比例。即：$Accuracy = \frac{TP + TN}{TP + TN + FP + FN}$，其中 $TP$ 表示真正例（True Positive），$TN$ 表示真负例（True Negative），$FP$ 表示假正例（False Positive），$FN$ 表示假负例（False Negative）。

- Precision（精确率）：指分类器在所有预测为正例的样本中，真正例的比例。即：$Precision = \frac{TP}{TP + FP}$。

- Recall（召回率）：指分类器在所有真实正例中，正确预测为正例的比例。即：$Recall = \frac{TP}{TP + FN}$。

这三个指标常用于评估分类任务的性能，其中准确率评估分类器的整体性能，精确率和召回率评估分类器在正例预测方面的性能。在实际应用中，准确率、精确率和召回率往往是权衡的结果，需要根据具体的应用场景确定哪个指标更为重要。