《白话机器学习》这本书写的不是特别好，但是解释召回率和精确率这部分还是很好的。
200 张猫的图片中，有 180 张可以正确识别为猫，而有 20 张误判为狗 。 200 张狗的图片可以全部正确判断为狗 。 600 张兔子的图片中，有 550 张可以正确识别为兔子，还有 30 张被误判为猫， 20 张误 判为狗 。 你可不要觉得奇怪，在所有的机器学习或者深度学习训练的工程中，误判率几乎是没 有办法消灭的，只能用尽可能科学的手段将误判率降低 。 不要太难为机器，其实人都没办 法保证所有的信息 100% 正确判断，尤其是在图片大小、图片清晰程度、光线明暗悬殊的 情况下，不是吗？那就更别说机器了，它更做不到 。 我们还是来解释召回率和精确率的问题 。 就刚才这个例子来说，一共 1000 张图片中， 200 张是猫，但是只能正确识别出 180 张，所以猫的召回率是 180÷200 = 90% ' 600 张兔子 中正确识别 550 张，所以兔子的召回率是 550÷600 ～ 91.7% 。 而在 1000 中图片中，当我 检索狗的时候会检索出 240 张狗的图片，其中有 200 张确实是狗，有 20 张是被误判的猫， 还有 20 张是被误判的兔子，所以 240 张狗的图片中正确的仅有 200 张而己，那么狗的精确 率为 200÷240 ~ 83.3% 。