信息检索 IR 中的评价指标

文本检索中常用的评价指标有：MAP、nDCG、ERR、F-score/F-measure以及附加的Precision、Recall、AveP、CG、DCG、IDCG、MRR、IOU、置信度阈值（confidence thresholds）、cascade models等

https://blog.csdn.net/u010138758/article/details/69936041
https://blog.csdn.net/zdh2010xyz/article/details/54293298
https://blog.csdn.net/luo123n/article/details/48573397
https://blog.csdn.net/yangzzguang/article/details/80540375

为了将 mAP 迁移到图像的多标签分类和 TopN 推荐任务中来。
对于图像多标签分类问题：
假设有 N 张图片，为了简单期间，暂且假设这 N 张图片仅包含 3 个标签：car、 people、stone，其中有 car 的图片有 M1 张，有people和有stone的分别有 M2 和 M3 张，那么对于单个分类标签 car，根据分类器设定的阈值，将预测列表从 top-1扩展到 top-N ，可以计算 N 个 max precision(r’ >= r) 的值，然后对 N 个 max precision(r’ >= r) 求平均值，即可得到 AP_car，同理，可以得到 AP_people 和 AP_stone，最后对这 3 个标签的 AP 值取平均，就可以计算模型在 3 个标签上的整体分类能力了。

总之，AP衡量的是学出来的模型在单个类别上的好坏 (比如AP_car)，对于同一张照片（一批照片，N 张），在一个标签上分类效果好不代表在另一个标签上分类效果好，因此还需要在其他标签上计算 AP 值，最后取这些标签 AP 值的平均数，得到mAP。mAP衡量的是学出的模型在所有类别上(比如car、people、stone)的好坏，得到每个标签的 AP 后， mAP 的计算就变得很简单了，就是取所有AP的平均值，如：
mAP = (AP_car + AP_people + AP_stone)

http://m.itboth.com/d/mYZrE3/prc-auc-roc