深入理解：召回率 Recall、精确度 Precision、准确性 Accuracy 和误报 rate Error

精度(accuracy)和错误率(error)

这个方法广泛应用于基础分类问题中例如鸡鸭鹅狗猫等若干样本帮助模型识别其具体类别对于具有扁嘴且脖子较长的样本（如鸭子）会发出嘎嘎声判断结果为鸭类若预测结果与真实类别一致则为正确预测计算方式是将回答正确的个数除以总样本数量得出准确率

错误率则是1-精度

尽管准确率或误判率可以评估模型的分类性能，在许多情况下即使模型表现出高的准确率也不一定意味着该模型更好。例如，在医学诊断案例中需要系统判断体检样本属于"健康"、"早期病症"还是"晚期病症"三个类别之一假设该系统能达到95%的准确率即每100个样本最多有5个被误判的情况看起来表现不错但实际上由于大多数患者可能存在健康状况的基础概率因此即使随机猜测也可能达到至少80%的准确性但事实上我们还需要关注那些被漏判的情况这正是查准率和查全率所衡量的关键指标

查准率(precision)和查全率(rec