F1-score, 召回率，准确率，MAP

用手写数字识别来作为说明。

准确率： 所有识别为”1”的数据中，正确的比率是多少。 

如识别出来100个结果是“1”， 而只有90个结果正确，有10个实现是非“1”的数据。 所以准确率就为90%

召回率： 所有样本为1的数据中，最后真正识别出1的比率。 

如100个样本”1”, 只识别出了93个是“1”， 其它7个是识别成了其它数据。 所以召回率是93%

F1-score:  是准确率与召回率的综合。 可以认为是平均效果。

详细定义如下：

对于数据测试结果有下面4种情况：

TP: 预测为正， 实现为正

FP: 预测为正， 实现为负

FN: 预测为负，实现为正

TN: 预测为负， 实现为负

准确率： TP/ (TP+ FP) 

召回率： TP(TP +  FN)

F1-score: 2*TP/(2*TP + FP + FN) 

MAP(Mean Average Precision)：

    单个主题的平均准确率是每篇相关文档检索出后的准确率的平均值。主集合的平均准确率(MAP)是每个主题的平均准确率的平均值。MAP 是反映系统在全部相关文档上性能的单值指标。系统检索出来的相关文档越靠前(rank 越高)，MAP就可能越高。如果系统没有返回相关文档，则准确率默认为0。
例如：假设有两个主题，主题1有4个相关网页，主题2有5个相关网页。某系统对于主题1检索出4个相关网页，其rank分别为1, 2, 4, 7；对于主题2检索出3个相关网页，其rank分别为1,3,5。对于主题1，平均准确率为(1/1+2/2+3/4+4/7)/4=0.83。对于主题2，平均准确率为(1/1+2/3+3/5+0+0)/5=0.45。则MAP= (0.83+0.45)/2=0.64。”