这个问题考察的是对分类算法评价标准的理解。两种描述分别对应的是**Precision(精确率)**和**Recall(召回率)**。
### 分析:
1. **第一种描述:警察抓的人中有多少个是小偷的标准。**
- 这描述了从所有被抓到的人(正类预测)中,有多少是真正的小偷(真实的正类)。
- 这正是**Precision(精确率)**的定义:
\[
\text{Precision} = \frac{\text{True Positives}}{\text{True Positives} + \text{False Positives}}
\]
- 因此,第一种描述对应的是**Precision**。
2. **第二种描述:描述有多少比例的小偷被警察抓了的标准。**
- 这描述了所有实际存在的小偷(真实的正类)中,有多少被成功抓到(正类预测)。
- 这正是**Recall(召回率)**的定义:
\[
\text{Recall} = \frac{\text{True Positives}}{\text{True Positives} + \text{False Negatives}}
\]
- 因此,第二种描述对应的是**Recall**。
综上所述,正确答案是:**A: Precision, Recall**。