Precision recall 如何计算准确率和召回率

数据库和分类规则，如何计算精度和召回率

MinSupp=3%váMinConf=30%

No. outlook temperature humidity    windy   play
1   sunny       hot     high        FALSE   no
2   sunny       hot     high        TRUE    no
3   overcast    hot     high        FALSE   yes
4   rainy       mild    high        FALSE   yes
5   rainy       cool    normal      FALSE   yes
6   rainy       cool    normal      TRUE    no
7   overcast    cool    normal      TRUE    yes
8   sunny       mild    high        FALSE   no
9   sunny       cool    normal      FALSE   yes
10  rainy       mild    normal      FALSE   yes
11  sunny       mild    normal      TRUE    yes
12  overcast    mild    high        TRUE    yes
13  overcast    hot     normal      FALSE   yes
14  rainy       mild    high        TRUE    no

找到的规则：

1：前景，阴天->播放，是 [支持度=0.29，置信度=1.00，正确分类=3,7,12,13]

2：湿度、正常、有风、假->播放，是 [支持度=0.29，置信度=1.00，正确分类=5,9,10]

3：前景，晴朗，潮湿，高->游戏，无 [支持度=0.21，置信度=1.00，正确分类=1,2,8]

4：展望，下雨，刮风，假->玩，是的 [支持度=0.21，置信度=1.00，正确分类=4]

5：前景，晴朗，潮湿，正常->游戏，是 [支持度=0.14，置信度=1.00，正确分类=11]

6：展望，下雨，刮风，真实->游戏，无 [支持度=0.14，置信度=1.00，正确分类=6,14]

---

谢谢。

我想你需要知道的关于精确性和召回率的所有信息都可以找到

---

简单地说，精度是系统检索到的实际正确结果数/系统指出正确的结果数。同样，召回率是指系统检索到的实际正确结果数/数据集中可用的实际正确结果总数。

您无法计算精度和召回率，因为您没有或没有提供每个条目的基本真值。没有这些，就不可能找到精确度和召回率计算所需的误报、误报和真阳性。