Precision和Recall

召回率（Recall）；准确率（Precision）；F1指标（综合评估标准）；

首先进行定义：
准确率：在所有被识别出的信息中，真正符合要求或具有相关性的信息所占的比例；
召回率：在所有实际符合要求或具有相关性的信息中，被成功识别出来的比例。

查阅相关资料后发现，通常采用四格表的方式来进行说明，以下是一个通俗易懂的四格图示：

真阳性（纳真）与假阳性（纳伪）
假阴性（去真）及真阴性（去伪）
其中，假阳性（纳伪）通常被定义为误报，而假阴性则常被称为漏报！
precision=\frac{tp}{tp+fp}
recall=\frac{tp}{tp+fn}

除此之外，还存在两个相关概念的定义：
\mbox{True Negative Rate}=\frac{tn}{tn+fp}
\mbox{Accuracy}=\frac{tp+tn}{tp+tn+fp+fn}

然而，在实际应用过程中，我们显然期望检索结果的P值越高越好，同时R值也应尽可能提高；但实际上这两个指标在特定情境下可能存在冲突。例如，当仅检索出一个结果且该