申論題

Precision（精確率）：
精確率是指在所有被模型預測為正類別的實例中，實際上屬於正類別的比例。


如果一個模型產生的假陽性很少，則該模型的精確率較高。

舉例來說，如果一個電子郵件分類器將100封電子郵件預測為垃圾郵件（正類別），但其中只有90封是真正的垃圾郵件，則精確率為 90/100 = 0.9 或 90%。

 召回率是指在所有實際為正類別的實例中，被模型正確預測為正類別的比例。​

如果一個模型能夠識別出所有的正類別實例，則該模型的召回率是較高的。

例如，假設實際上有150封垃圾郵件，模型只識別出了90封，那麼召回率就是 90/150 = 0.6 或 60%。