剛開始看這方面論文的時候對於各種評價方法特別困惑，還總是記混，不完全統計下，備忘。
關於召回率和精確率，假設二分類問題，正樣本為x，負樣本為o：
准確率存在的問題是當正負樣本數量不均衡的時候：
精心設計的分類器最后算准確率還不如直接預測所有的都是正樣本。
用Recall和Precision來衡量分類效果，可以使用F1 Score = 2PR/(P+R)來判斷分類效果。
調整分類器，移動到這里：
Recall達到百分之一百，但同時Precision也下降了：把不是負樣本也分類成了正樣本。一般來說，R高，P低，或者R低，P高。大概長這樣：
一個好的分類方法當然是希望二者都盡量高，也就是右圖紅色線那樣，所以提出又提出了一個衡量標准：mAP=∫P(R)dR,（PR曲線面積越大越好）。
當然不同應用有不同需求，還是要根據具體應用設計。
記得微軟ECCV14的人臉檢測就是先用OpenCV里的VJ方法，把Recall調得很高，盡量保證不漏檢，同時帶來的問題是Precision很低，有很多不是臉的東西，再通過3000幀人臉對齊方法，迭代幾次，一邊對齊人臉一邊把不是臉的排除掉。
另外還有 ROC AUC 及其他各種......
ROC和AUC也是針對正負樣本數量不均衡的，參考這里
ROC曲線越靠近左上角,試驗的准確性就越高。最靠近左上角的ROC曲線的點是錯誤最少的最好閾值，其假陽性和假陰性的總數最少。亦可通過分別計算各個試驗的ROC曲線下的面積(AUC)進行比較，哪一種試驗的 AUC最大，則哪一種試驗的診斷價值最佳。
kISSME（cvpr12）里的ROC曲線：
關於Precision和Recall，在Ng的cousera課程 week6 lecture11里有