精确率（也叫查准率）（Percision）: 预测的正样本中有多少预测正确（即是真 正的正样本）。根据定义，本题选A。

精确度（Precision）是用于衡量模型在预测正类时的准确性，它定义为在所有被预测为正类的样本中，实际为正类的比例。根据混淆矩阵的定义：

- A: 真正类（True Positive, TP）
- B: 假正类（False Positive, FP）
- C: 假负类（False Negative, FN）
- D: 真负类（True Negative, TN）

精确度的计算公式为：
\[ \text{Precision} = \frac{A}{A + B} \]

因此，正确答案是 C: A/(A+B)。

### 专业分析
精确度是一个重要的评估指标，特别是在分类问题中，正类样本的错误分类代价较高的情况下。例如，在疾病检测中，精确度高意味着模型在预测某人患病时，实际患病的概率也较高，从而减少了误报（假阳性）带来的不必要的心理压力和医疗资源浪费。

然而，精确度并不能单独衡量模型的整体性能，因为它只考虑了预测为正类的样本，而忽略了实际为正类但被预测为负类的样本（即假负类）。因此，通常还需要结合其他指标如召回率（Recall）和F1分数（F1 Score）等进行综合评估。