精确度（Precision）的计算公式是：
```
精确度 = TP / （TP + FP）
```
其中：
`TP` 表示真正例（True Positives），即模型正确预测为正类的样本数。
`FP` 表示假正例（False Positives），即模型错误预测为正类的样本数。
精确度衡量的是模型在所有预测为正类的样本中，真正例的比例。一个较高的精确度意味着较少的假正例，即模型在预测正类时更倾向于给出真实的正类预测。
需要注意的是，精确度与准确度（Accuracy）是不同的概念。准确度是正确预测的样本数（TP + TN）与总样本数（TP + TN + FP + FN）之比，而精确度仅考虑了正类预测的准确性。