Precision & Recall
先看下面這張圖來理解了，后面再具體分析。下面用P代表Precision，R代表Recall
通俗的講，Precision 就是檢索出來的條目中（比如網頁）有多少是准確的，Recall就是所有准確的條目有多少被檢索出來了。
下面這張圖介紹True Positive，False Negative等常見的概念，P和R也往往和它們聯系起來。
我們當然希望檢索的結果P越高越好，R也越高越好，但事實上這兩者在某些情況下是矛盾的。比如極端情況下，我們只搜出了一個結果，且是准確的，那么P就是100%，但是R就很低；而如果我們把所有結果都返回，那么必然R是100%，但是P很低。
因此在不同的場合中需要自己判斷希望P比較高還是R比較高。如果是做實驗研究，可以繪制Precision-Recall曲線來幫助分析（我應該會在以后介紹）。
F Measure
前面已經講了，P和R指標有的時候是矛盾的，那么有沒有辦法綜合考慮他們呢？我想方法肯定是有很多的，最常見的方法應該就是F Measure了，有些地方也叫做F Score，都是一樣的。
F Measure 是Precision和Recall加權調和平均：
F1-Measure
當參數β=1時，就是最常見的F1-Measure了：
F1 = 2P*R / (P+R)