這個詞出現在「怎麼量一個偵測器準不準」這個問題裡——它是其中一把尺。

precision（精確率）回答一個問題：偵測器說「有」的那些，有多少是真的？

公式是 precision = TP / (TP + FP)（TP = 真陽性、FP = 假陽性）：分母是「所有被判為陽性的」，分子是其中真的陽性。所以 false positive 越多，precision 越低——誤報直接稀釋了「報出來的可信度」。

與 recall 成對

precision 只看「報出來的準不準」，不管「漏了多少」。漏接由 recall 衡量。兩者構成評估分類器的兩端，且通常此消彼長：把門檻調嚴、只報最有把握的 → precision 升、recall 降。

調和兩者的單一指標是 F1 score（precision 與 recall 的調和平均）。

什麼時候優先看 precision

當 false positive 的代價高、要求「報出來就盡量別錯」時：自動封鎖、自動下架、垃圾郵件丟棄——寧可漏一些（犧牲 recall），也別誤殺。

相關概念

• 被它懲罰的錯誤：false positive。
• 統計裡的對應：Type I error（誤報多則 precision 低）。
• 成對指標：recall。

這個詞出現在「怎麼量一個偵測器準不準」這個問題裡——它是另一把尺。

recall（召回率，又稱敏感度 sensitivity）回答另一個問題：真實存在的那些，偵測器抓到了多少？

公式是 recall = TP / (TP + FN)（TP = 真陽性、FN = 假陰性）：分母是「所有真的陽性」，分子是其中被抓到的。所以 false negative 越多，recall 越低——漏接直接拉低「抓全的能力」。

與 precision 成對

recall 只看「漏了沒」，不管「報出來的準不準」（那是 precision）。兩者通常此消彼長：把門檻調鬆、寧可多報 → recall 升、precision 降。調和兩者的單一指標是 F1 score。

什麼時候優先看 recall

當 false negative 的代價高、不能漏時：疾病篩檢、詐欺偵測、安全掃描——寧可多一些誤報（犧牲 precision）再人工複查，也別放走真的。

相關概念

• 被它懲罰的錯誤：false negative。
• 統計裡的對應：Type II error（recall 高對應檢定力高，兩者是同概念的不同 framing）。
• 成對指標：precision。