这两个方面是模式识别和信息检索使用措施值。
浅显易懂的理解，用以下的图片和公式最好只是。
那么
- 召回率R：用检索到相关文档数作为分子。全部相关文档总数作为分母。即R = A / ( A + C )
- 准确率P：用检索到相关文档数作为分子。全部检索到的文档总数作为分母．即P = A / ( A + B ).
版权声明：本文博客原创文章，博客，未经同意，不得转载。
相关文章
- 准确率（Precision）、召回率（Recall）以及综合评价指标（F1 Measure ）
- 机器学习常见的几种评价指标：精确率（Precision）、召回率（Recall）、F值（F-measure）、ROC曲线、AUC、准确率（Accuracy）
- 精确率（准确率、查准率、precision）、召回率（查全率、recall）、RoC曲线、AUC面积、PR曲线
- 如何在sklearn.metrics中为两个函数precision_recall_curve和roc_curve获取相同的阈值
- 召回率 Recall、精确度Precision、准确率Accuracy、虚警、漏警等分类判定指标
- 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure)
- 【深度学习】Precision 和 Recall 评价指标理解
- 精确率（Precision）、召回率（Recall）、F1-score、ROC、AUC
- ROC曲线和PR(Precision-Recall)曲线的联系
- 多分类问题中查全率和查准率的理解(Precision-Recall)