我正在进行一个项目，根据教程检测垃圾账户。使用了两个标签——“垃圾邮件”和“非垃圾邮件”来进行训练和测试。分类工作已经完成，我正在进行评估。

结果如下：

*垃圾邮件* 精确度: 0.962917933131*垃圾邮件* 召回率: 0.6336*非垃圾邮件* 精确度: 0.72697466468*非垃圾邮件* 召回率: 0.9756

我已经阅读了维基百科关于精确度和召回率的页面，仍然感到困惑，不知道如何使用这些指标进行测量。

我的目的是减少被标记为“垃圾邮件”的正常账户数量。一些“垃圾邮件”账户逃脱无关紧要。所以我想知道我应该关注上述哪个结果来进行改进？谢谢。

回答：

精确度是指被分类为正类的结果中，实际为正类的比例。

召回率是指所有实际为正类的结果中，被检测出的比例。

我的目的是减少被标记为“垃圾邮件”的正常账户数量。

这意味着你想要最大化垃圾邮件的精确度和非垃圾邮件的召回率。你链接的维基页面解释了你需要知道的所有内容——实际上，你的目的是最小化“误报”的数量（这包含在这两个特性中）。

建议关键词：混淆矩阵。