Precision=将正类预测为正类/(将正类预测为正类+ 将负类预测位正类)

对于属性值YES的响应率（Precision）应如何计算，正确答案是A: A/(A+B)。

专业分析如下：

在机器学习和数据挖掘中，混淆矩阵（Confusion Matrix）是用于描述分类模型性能的工具。它的每个元素代表分类结果的不同情况：

- A: 真阳性（True Positive, TP） - 实际为YES，预测也为YES。
- B: 假阳性（False Positive, FP） - 实际为NO，预测为YES。
- C: 假阴性（False Negative, FN） - 实际为YES，预测为NO。
- D: 真阴性（True Negative, TN） - 实际为NO，预测也为NO。

响应率（Precision）是指在所有被预测为YES的样本中，实际为YES的比例。其计算公式为：

\[ \text{Precision} = \frac{\text{True Positive}}{\text{True Positive} + \text{False Positive}} \]

根据混淆矩阵中的符号表示，这个公式可以写成：

\[ \text{Precision} = \frac{A}{A + B} \]

因此，正确答案是A: A/(A+B)。