在分类性能测量的背景下，我有一个关于召回和精度的问题。

查看召回的定义：-

$recall = \frac{T_p}{T_p+F_n}$

当我看到这个时，它听起来像$conditional$ 对我来说的概率——一个测试实例被归类为阳性的概率，因为它确实是阳性的：——

$recall = Pr(X\hspace{1mm}is\hspace{1mm}predicted\hspace{1mm}as\hspace{1mm}positive | X=positive ) = \frac{T_p}{T_p+F_n}$

在这里，我冒昧地思考（因为它来自于 $F_n$ ） 那 $F_n$ 分母中实际上是测试实例的计数，这些测试实例为正但被错误分类为负。

同样，如果我现在考虑精确度，这就是我将其视为新测试实例实际上为阳性的概率，因为它被预测为阳性：-

$precision = \frac{T_p}{T_p+F_p} = Pr(X=positive | X\hspace{1mm}is\hspace{1mm}predicted\hspace{1mm}as\hspace{1mm}positive)$

这种对精度和召回率的解释是否正确？