轉自：
http://uwei.blogbus.com/logs/11424864.html外行人做互聯網，很多概念不懂。就拿最基礎的“召回率”和“準確率”這種概念，看看網上資料知道大概，自己用的時候，腦子里繞著彎兒能想明白，可碰到別人活用的時候，腦子里還是沒法一下子反應過來，還是要繞彎想一下。特地找了些資料，將這兩個概念整理一下，希望能更熟練。
召回率和準確率是搜索引擎（或其它檢索系統）的設計中很重要的兩個概念和指標。
召回率：Recall，又稱“查全率”；
準確率：Precision，又稱“精度”、“正確率”。
在一個大規模數據集合中檢索文檔時，可把集合中的所有文檔分成四類：
A：檢索到的，相關的 （搜到的也想要的）
B：檢索到的，但是不相關的 （搜到的但沒用的）
C：未檢索到的，但卻是相關的 （沒搜到，然而實際上想要的）
D：未檢索到的，也不相關的 （沒搜到也沒用的）
通常我們希望：數據庫中相關的文檔，被檢索到的越多越好，這是追求“查全率”，即A/(A+C)，越大越好。
同時我們還希望：檢索到的文檔中，相關的越多越好，不相關的越少越好，這是追求“準確率”，即A/(A+B)，越大越好。
歸納如下：
召回率：檢索到的相關文檔 比 庫中所有的相關文檔
準確率：檢索到的相關文檔 比 所有被檢索到的文檔
“召回率”與“準確率”雖然沒有必然的關系（從上面公式中可以看到），然而在大規模數據集合中，這兩個指標卻是相互制約的。
由于“檢索策略”并不完美，希望更多相關的文檔被檢索到時，放寬“檢索策略”時，往往也會伴隨出現一些不相關的結果，從而使準確率受到影響。
而希望去除檢索結果中的不相關文檔時，務必要將“檢索策略”定的更加嚴格，這樣也會使有一些相關的文檔不再能被檢索到，從而使召回率受到影響。
凡是設計到大規模數據集合的檢索和選取，都涉及到“召回率”和“準確率”這兩個指標。而由于兩個指標相互制約，我們通常也會根據需要為“檢索策略”選擇一個合適的度，不能太嚴格也不能太松，尋求在召回率和準確率中間的一個平衡點。這個平衡點由具體需求決定。
其實，準確率（precision，精度）比較好理解。往往難以迅速反應的是“召回率”。我想這與字面意思也有關系，從“召回”的字面意思不能直接看到其意義。
我覺得“召回率”這個詞翻譯的不夠好。“召回”在中文的意思是：把xx調回來。比如sony電池有問題，廠家召回。
既然說翻譯的不好，我們回頭看“召回率”對應的英文“recall”，recall除了有上面說到的“order sth to return”的意思之外，還有“remember”的意思。
Recall：the ability to remember sth. that you have learned or sth. that has happened in the past.
這里，recall應該是這個意思，這樣就更容易理解“召回率”的意思了。
當我們問檢索系統某一件事的所有細節時（輸入檢索query），Recall就是指：檢索系統能“回憶”起那些事的多少細節，通俗來講就是“回憶的能力”。能回憶起來的細節數 除以 系統知道這件事的所有細節，就是“記憶率”，也就是recall——召回率。
這樣想，要容易的多了。