怎么记忆呢？比如玩一个地狱的召唤射击游戏。
你的目标是干掉所有敌人解救人质，楼里一共100人，敌人90人。
你是个神枪手，敌人就爆头，人质就打绳子。你发射了100颗子弹，98颗爆头，一个人质被解救一个敌人被解救。 敌人太狡猾了，竟然假扮人质，并把人质装扮成敌人。

总样本：100
敌人：90
人质：10

你以为的：
敌人：98
人质：2

我们以敌人为正样本。
预测的正样本就是神枪手认为的敌人。神枪手就是我们的模型。

precision精确率 = 预测的正样本其中的为真的数量/ 预测的正样本
精确率是用来衡量分类器是否会将负样本错误分类为正样本的能力的指标。
精确率： （我认为的敌人98- 其中9个人质） /我认为的敌人98 = 89/98 = 0.908
要提升精确率得少爆头，慢慢分辨。可以看到就是因为错误的分辨了敌人导致精确率很低。

recall召回率 = 正确识别的正样本数 / 实际正样本数
召回率 = 89/90 = 0.988
地狱要找的是这90人。人质牺牲9个但是它不收。
要极致的召回率我们可以宁可错杀一千不放过一个，全都干掉很容易就能100%。

准确率=正确识别的正样本数 /总样本 = 89/100 = 89%