推荐系统评测指标理解，例如翻唱识别里面的指标MAP、Rank1

---

1.精确率、召回率

行表示预测的label，列表示正确的label。
TP、TN表示预测正确；FP、FN表示预测错误。
（1）准确率
$Acc=（TP+TF）/(TP+TN+FN+FP)$
表示分类正确的样本概率
（2）精确率
$Precision=TP/(TP+FP)$
表示预测结果中，预测为正样本中，预测正确的概率
（3）召回率
$Recall=TP/(TP+FN)$
表示原始样本的正样本中，正确预测为正样本的概率。

2.MAP（Mean Average Precision）

AP：
如果你的搜索结果出现10个，这10个中都与查询信息相关，那么这是最好的结果，但是，如果只有5个相关，这5个都比较靠前，这个结果也不错。但如果5个相关位置靠后，从第6个位置相关，则这种情况比较差。类似于顺序版的“Recall”。

推荐列表中的排序	是否在ground-truth中	该位置的precision
1	0	0
2	1	1/2=0.5
3	1	(1+1)/3=0.66
4	0	0
5	1	（1+1+1)/5=0.6
6	0	0

MAP = (0.5+0.66+0.6)/3 =0.58

3.Rank-n

搜索结果中最靠前（置信度最高）的n个结果有正确结果的概率
例如：label=m1
如果搜索结果为m1,m2,m3 ，则Rank-1=100%，Rank-2=100%，Rank-3 =100%；
如果搜索结果为m2,m3,则Rank-1=0，Rank-2=0；
如果搜索结果为m2,m3,m1,则Rank-1=0，Rank-2=0,Rank-3=100%。
当Label很多时，取平均。