Machine learning 关于精确性和召回率

假设我们有99%的非跨度和1%的跨度。在这里，我编写了如下函数

function y = predictSpam(x)

y = 0;

return

在这里，我们有真正的积极的是零。准确率为99%。在这种情况下，精度和召回率为零。我的理解是否正确？如果出现以下情况，请填写下表

                  actualclass1  | actualclass0

predict class1         0         |  0
-------------------------------------------------
predict class0         1         |  99

---

m=100。上表填写正确。

使用精度和召回时，我总是再次查看此图像：

因此，我们：

精度=真阳性/真阳性+假阳性
回忆=真阳性/真阳性+假阴性

在您的数据中，99被正确分类为0，1在应该是1时被分类为0

使用您的数据： -

true\u正值=0

-

true\u negative=99

-

假阳性=0

-

false\u negative=1

你的真阳性是0，所以是的，召回率和准确率都是0

---

准确率确实是99%

使用precision and recall时，我总是再次查看此图像：

因此，我们：

精度=真阳性/真阳性+假阳性
回忆=真阳性/真阳性+假阴性

在您的数据中，99被正确分类为0，1在应该是1时被分类为0

使用您的数据： -

true\u正值=0

-

true\u negative=99

-

假阳性=0

-

false\u negative=1

你的真阳性是0，所以是的，召回率和准确率都是0

准确率确实是99%