看周志華為機器學習，第30頁有查全率R ＝ TP/(TP + FN)，第33頁有真正例率TPR ＝ TP/(TP + FN)。

從公式可以看出，這兩個是一回事，或者說，同一個概念的兩個不同名稱。

分類問題的統計指標比較多，而且同一個指標往往有多個名稱，因此很容易搞混。我建議你用一個例子將所有這些指標串聯起來記憶，這樣不容易混淆。

比如：防毒軟體檢測病毒。

正常檔案，防毒軟體也認為是正常檔案。這稱為真陰性（True Negative，TN）。病毒檔案，防毒軟體也認為是病毒。這稱為真陽性（True Positive，TP）。正常檔案，防毒軟體卻認為是病毒（誤殺）。這稱為假陰性（False Negative，FN）。病毒檔案，防毒軟體卻認為是正常檔案（漏殺）。這稱為假陽性（False Positive， FP）。真正例率（TPR），或者叫真陽性率，也叫命中率（hit rate）、召回（recall）。TP/(TP+FN)。TPR越高，防毒軟體漏殺的病毒檔案就越少。假陽性率（FPR），也叫誤檢率（fall-out）。FP/(FP+TN)。FPR越高，防毒軟體誤殺的正常檔案就越多。