数据库和分类规则，如何计算精度和召回？
MinSupp = 3％vàMinConf= 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
发现规则：
1 :(展望，阴云） - ＆gt; （播放，是） [支持= 0.29，置信度= 1.00，正确分类= 3,7,12,13]
2 :(湿度，正常），（刮风，假） - ＆gt; （播放，是） [支持= 0.29，置信度= 1.00，正确分类= 5,9,10]
3 :(前景，晴天），（湿度，高） - ＆gt; （播放，否） [支持= 0.21，置信度= 1.00，正确分类= 1,2,8]
4 :(前景，下雨），（刮风，假） - ＆gt; （播放，是） [支持= 0.21，置信度= 1.00，正确分类= 4]
5 :(前景，晴天），（湿度，正常） - ＆gt; （播放，是） [支持= 0.14，置信度= 1.00，正确分类= 11]
6 :(前景，下雨），（刮风，真实） - ＆gt; （播放，否） [支持= 0.14，置信度= 1.00，正确分类= 6,14]
感谢。
答案 0 :(得分：0)
我认为您需要了解有关精确度和召回的所有信息here。
简单来说，精确度 是系统检索的实际结果数/系统指向正确的结果数 。同样，召回将是 您的系统检索到多少实际正确的结果/数据集中可用的实际正确结果总数 。