正文
首先明白四个概念：
- TP (True Positive)：被正确预测的正样本数
- FP (False Positive)：被错误预测的正样本数
- TN (True Negative)：被正确预测的负样本数
- FN (False Negative)：被错误预测的负样本数
正样本是指属于某一类别的样本,反样本是指不属于某一类别的样本
比如说在做字母A的图像识别，字母A的样本就属于正样本，不是字母A的样本就属于负样本 。
由这四个概念，我们可以定义如下所示指标：
1、精确率(Precision)：
即：所有正样本中有多少被正确预测；
2、准确率(Accuracy)：
即：所有样本中有多少被正确预测；
3、召回率(Recall)：
即：所有预测为正确的样本中有多少是真正正确的；
![推荐系统[四]：精排-详解排序算法LTR (Learning to Rank)_ poitwise, pairwise, listwise相关评价指标，超详细知识指南。](https://ucc.alicdn.com/images/user-upload-01/44083e4c130841f894e36366a71f8d96.png?x-oss-process=image/resize,h_160,m_lfit)
