準確率、召回率、F-Measure
1.準確率(Precision)與召回率(Recall)
Precision指的是檢索出來的條目（比如：文檔、網頁等）有多少是準確的，衡量的是檢索系統的查準率；
Recall指的是所有準確的條目有多少被檢索出來了，衡量的是檢索系統的查全率。
兩者取值在0和1之間，數值越接近1，查準率或查全率就越高。
2.綜合評價指標（F-Measure）
當然希望檢索結果Precision越高越好，同時Recall也越高越好，但事實上這兩者在某些情況下有矛盾的。比如極端情況下，我們只搜索出了一個結果，且是準確的，那麼Precision就是100%，但是Recall就很低；而如果我們把所有結果都返回，那麼比如Recall是100%，但是Precision就會很低。因此在不同的場合中需要自己判斷希望Precision比較高還是Recall比較高。
比如對於法官判案會更偏向於高Precision，Recall低一點也沒關係，如果證據不足，那麼一般會判無罪，因爲冤假錯案對於被告、法官本人、社會輿論的影響都會很大。
但是對於艾滋病檢查會更偏向於高Recall，Precision低一點也沒關係，因爲如果把一個艾滋病早期病人誤判爲陰性，那麼可能耽誤他最佳治療時間，而可能會傳染更多的人，後果很嚴重。
綜合衡量準確率與召回率的最常見的方法就是F-Measure（又稱爲F-Score）
其中β是參數，P是精準率，R是召回率
當參數β>1時，召回率有更大影響，可以考慮爲，β無窮大時，分母中的R和分子中的1都可忽略不計，則F=RF=R，只有召回率起作用。
當參數0<β<1時，精準率有更大影響，可以考慮爲，β無限接近0時，分母中的β2和分子中的β2都可忽略不計，則F=PF=P，只有精準率起作用。
當參數α=1時，召回率跟準確率就一樣重要，就是最常見的F1指標，也就是
舉個栗子:
某池塘有1400條鯉魚，300只蝦，300只鱉。現在以捕鯉魚爲目的。撒一大網，逮着了700條鯉魚，200只蝦，100只鱉。那麼，這些指標分別如下：
正確率 = 700 / (700 + 200 + 100) = 70%
召回率 = 700 / 1400 = 50%
F1指標 = 70% * 50% * 2 / (70% + 50%) = 58.3%
不妨看看如果把池子裏的所有的鯉魚、蝦和鱉都一網打盡，這些指標又有何變化：
正確率 = 1400 / (1400 + 300 + 300) = 70%
召回率 = 1400 / 1400 = 100%
F1指標 = 70% * 100% * 2 / (70% + 100%) = 82.35%