準確率和召回率

在機器學習、推薦系統、信息檢索、天然語言處理、多媒體視覺等領域，常常會用到準確率(precision)、召回率(recall)、F-measure、F1-score 來評價算法的準確性。

1、準確率和召回率(P&R)

以文本檢索爲例，先看下圖

 

其中，黑框表示檢索域，咱們從中檢索與目標文本相關性大的項。圖中黃色部分(A+B)表示檢索域中與目標文本先關性高的項，圖中

A+C部分表示你的算法檢索出的項。A、B、C的含義圖中英文標出。

準確率：

召回率：

通常來講，準確率表示你的算法檢索出來的有多少是正確的，召回率表示全部準確的條目中有多少被檢索出來。

準確率和召回率的關係

一般，咱們但願準確率和召回率均越高越好，但事實上這二者在某些狀況下是矛盾的。好比咱們只搜出了一個結果，此結果是正確的，求得precisin等於1。可是因爲只搜出一個結果，recall值反而很低，接近於0。因此須要綜合考量，下面介紹F-measure。

2、F-measure

F-measure又稱F-score,其公式爲：

其中F2值，更加註重召回率；F0.5值更加劇視準確率。

當beta=1時，就是F1-score：

F-measure綜合了precision和recall,其值越高，一般表示算法性能越好。

3、Average_precision(AP)

平均正確率（AP）：對不一樣召回率點上的正確率進行平均。

(1)未插值的AP：某個查詢Q共有6個相關結果，某系統排序返回的文檔中，其中相關文檔有5篇，其位置分別是第1，第2，第5，第10，第20位，則AP=（1/1+2/2+3/5+4/10+5/20+0)/6

(2)插值的AP：在召回率分別爲0,0.1,0.2,...,1.0的十一個點上的正確率求平均，等價於11點平均。

(3)只對返回的相關文檔進行計算的AP，AP=（1/1+2/2+3/5+4/10+5/20)/5，傾向於那些快速返回結果的系統，沒有考慮召回率。

AP形式化公式請參考：http://en.wikipedia.org/wiki/Information_retrieval#Average_precision