《白話機器學習》這本書寫的不是特別好，但是解釋召回率和精確率這部分還是很好的。

200 張貓的圖片中，有 180 張可以正確識別為貓，而有 20 張誤判為狗 。 200 張狗的圖片可以全部正確判斷為狗 。 600 張兔子的圖片中，有 550 張可以正確識別為兔子，還有 30 張被誤判為貓， 20 張誤 判為狗 。 你可不要覺得奇怪，在所有的機器學習或者深度學習訓練的工程中，誤判率幾乎是沒 有辦法消滅的，只能用盡可能科學的手段將誤判率降低 。 不要太難為機器，其實人都沒辦 法保證所有的信息 100% 正確判斷，尤其是在圖片大小、圖片清晰程度、光線明暗懸殊的 情況下，不是嗎？那就更別說機器了，它更做不到 。 我們還是來解釋召回率和精確率的問題 。 就剛才這個例子來說，一共 1000 張圖片中， 200 張是貓，但是只能正確識別出 180 張，所以貓的召回率是 180÷200 = 90% ‘ 600 張兔子 中正確識別 550 張，所以兔子的召回率是 550÷600 ～ 91.7% 。 而在 1000 中圖片中，當我 檢索狗的時候會檢索出 240 張狗的圖片，其中有 200 張確實是狗，有 20 張是被誤判的貓， 還有 20 張是被誤判的兔子，所以 240 張狗的圖片中正確的僅有 200 張而己，那麽狗的精確 率為 200÷240 ~ 83.3% 。

召回率與精確率